論文の概要: GeoNest: Learning to Select Failure-Aware Neighborhoods for the Irregular Knapsack Problem in a Circular Container
- arxiv url: http://arxiv.org/abs/2609.38863v1
- Date: Wed, 30 Sep 2026 03:17:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.081901
- Title: GeoNest: Learning to Select Failure-Aware Neighborhoods for the Irregular Knapsack Problem in a Circular Container
- Title（参考訳）: GeoNest: 円形容器における不規則なクナップサック問題に対して, 失敗を意識した近隣領域の選択を学習する
- Abstract要約: そこで本研究では,GeoNestという大規模近傍探索フレームワークを提案する。
まず、失敗する対象多角形と残余ポケットをペアリングして近傍を構築する。
次に、説明的ポーズを使用して、候補挿入をブロックする配置ポリゴンを識別する。
- 参考スコア（独自算出の注目度）: 26.28814632960425
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The two-dimensional irregular knapsack problem in a fixed circular container is an important combinatorial optimization problem for maximizing material utilization in manufacturing. Conventional geometric packing solvers can produce tightly packed layouts, yet they often partition the residual space into isolated small pockets that cannot fit valuable unplaced polygons. To overcome this late-stage packing bottleneck, we propose a failure-aware large neighborhood search framework named GeoNest, driven by a graph policy trained via reinforcement learning. Specifically, we first construct neighborhoods by pairing failed target polygons with residual pockets. We then use explanatory poses to identify the placed polygons that block candidate insertions. These diagnosed blocking relations define bounded, fixed-item repair subproblems for the underlying geometric solver. Finally, the graph policy selects the most promising subproblem for execution. For evaluation, we introduce CircleNest-Bench, a benchmark comprising 2,391 load-controlled instances from four contour sources, including a held-out industrial CAD source. Experimental results demonstrate that, under the same total time budget, GeoNest improves mean utilization over a state-of-the-art standalone packing solver by about 0.9% on average across the three main test sets and by about 0.6% on the held-out industrial set.
- Abstract（参考訳）: 固定円容器内の2次元不規則クナップサック問題は,製造における材料利用を最大化するための重要な組合せ最適化問題である。
従来の幾何学的パッキングソルバは、密に充填されたレイアウトを生成することができるが、しばしば、残余空間を、貴重な非配置ポリゴンに収まらない孤立した小さなポケットに分割する。
この後期のパッキングボトルネックを克服するために,強化学習を通じて学習したグラフポリシーにより,GeoNestという名前の大規模な近隣探索フレームワークを提案する。
具体的には、まず失敗する対象多角形と残余ポケットとをペアリングして近傍を構築する。
次に、説明的ポーズを使用して、候補挿入をブロックする配置ポリゴンを識別する。
これらの診断されたブロッキング関係は、下層の幾何学的解法に対する有界な固定イテム補修サブプロブレムを定義する。
最後に、グラフポリシーは実行時に最も有望なサブプロブレムを選択する。
評価のためにCircleNest-Benchを提案する。このベンチマークは4つの輪郭源からの2,391の負荷制御インスタンスで構成されており、これには産業CADソースが含まれる。
実験結果から,GeoNestは総時間予算で3つのテストセットの平均で約0.9%,保留工業セットで約0.6%,最先端のスタンドアロンパッキングソルバの平均利用率を約0.9%向上することが示された。
関連論文リスト
- Geometry-Aware MCTS for Extremal Problems in Combinatorial Geometry [3.8362220332316626]
幾何学において、n×n$グリッドの点の構成を問う極端問題について研究する。
提案手法は、実行可能なアクション空間への漸進的な更新を通じて、厳密な幾何学的制約を強制する。
検討した6つの問題のうちの5つに、新しい最もよく知られた計算結果を確立する。
論文 参考訳（メタデータ） (2026-06-24T21:34:08Z) - Learning to Place Guards by Reinforcement: A Geo-Free Neural Policy for the Vertex-Guard Art Gallery Problem [0.0]
ポインタネットワークポリシーは、私たちがジオフリー推論と呼ぶ制約の下で、自身のロールアウトに対してカバレッジアウェアの報酬から訓練される。
この政策は、経済的に警備員を配置するが、訓練範囲をはるかに超える未発見のポリゴンの尾を残している。
我々はこれを、強化訓練された表現が既に実現可能性に必要な幾何学を符号化している証拠として読み取った。
論文 参考訳（メタデータ） (2026-06-19T17:06:58Z) - COMPOSE: Hypergraph Cover Optimization for Multi-view 3D Human Pose Estimation [58.47973015036709]
スパース多視点からの3次元ポーズ推定は、行動認識、スポーツ分析、人間とロボットの相互作用にとって重要な課題である。
ハイパーグラフ問題として多視点ポーズ対応マッチングを定式化する新しいフレームワークComposEを提案する。
COMPOSEは,従来の最適化手法よりも平均23%,自己教師付きエンドツーエンド学習手法より最大11%の精度向上を実現している。
論文 参考訳（メタデータ） (2026-01-14T18:50:17Z) - Model-Based and Sample-Efficient AI-Assisted Math Discovery in Sphere Packing [51.30643063554434]
上界の先導手法である三点法は、大高精度半確定プログラム(SDP)の解法に問題を還元する。
我々は、SDP構成を、ポリシーが一連の許容成分からSDP定式化を組み立てる逐次決定過程、SDPゲームとして定式化する。
従来からある幾何学的問題において,モデルに基づく探索が計算の進歩を推し進めることができることを示す。
論文 参考訳（メタデータ） (2025-12-04T14:11:52Z) - Disentangled Representation Learning with the Gromov-Monge Gap [65.73194652234848]
乱れのないデータから歪んだ表現を学習することは、機械学習における根本的な課題である。
本稿では,2次最適輸送に基づく非交叉表現学習手法を提案する。
提案手法の有効性を4つの標準ベンチマークで示す。
論文 参考訳（メタデータ） (2024-07-10T16:51:32Z) - Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D
Edge Alignment [85.32080531133799]
本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。
エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。
3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
論文 参考訳（メタデータ） (2020-12-15T11:42:17Z) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳（メタデータ） (2020-02-24T14:13:29Z) - Adaptive Large Neighborhood Search for Circle Bin Packing Problem [8.855116523397935]
我々は、円ビンパッキング問題(CBPP)と呼ばれる新しいパッキング問題に対処する。
CBPPは、使用済みのビンの数を最小限に抑えるために、複数の正方形のビンに円のアイテムを密に詰め込むことである。
本稿では,Corner Occupying Action (GACOA) を用いたグレディアルゴリズムを用いて,初期レイアウトを構築する適応型大近傍探索(ALNS)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-20T10:14:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。