論文の概要: An Island-Based Parallel Biased Random-Key Genetic Algorithm for the Three-Dimensional Trailer Loading Problem
- arxiv url: http://arxiv.org/abs/2609.39272v1
- Date: Wed, 30 Sep 2026 08:24:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.437413
- Title: An Island-Based Parallel Biased Random-Key Genetic Algorithm for the Three-Dimensional Trailer Loading Problem
- Title（参考訳）: 3次元トレーサ負荷問題に対する島型並列バイアス型ランダムキー遺伝的アルゴリズム
- Abstract要約: 3D-TLPはNPハードであり、大規模産業アプリケーションでは計算的に非現実的な正確な最適化アプローチをレンダリングする。
そこで本研究では,新たな島型並列化フレームワークであるPANGEAを用いて,BRKGA(Biased Random-Key Genetic Algorithm)を高速化する手法を提案する。
提案手法は実世界の大規模ロジスティクスに有効な解決策を提供するために, 実際のトレーラーローディングプロセスで検証された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Three-Dimensional Trailer Loading Problem (3D-TLP) involves determining the optimal placement and orientation of heterogeneous items within the confined space of a trailer while maximizing volume utilization and satisfying a wide range of complex logistical and safety constraints. The 3D-TLP is NP-hard, rendering exact optimization approaches computationally impractical for large-scale industrial applications. To address this challenge, we propose an enhanced Biased Random-Key Genetic Algorithm (BRKGA) accelerated through a novel island-based parallelization framework, PANGEA. The proposed method combines the search efficiency and robustness of BRKGA with a multi-population evolutionary scheme for genetic algorithms. This island-model strategy promotes population diversity, mitigates premature convergence, and significantly reduces computational times. The proposed solution was validated in a real trailer loading process, providing an effective solution approach for real-world large-scale logistics.
- Abstract（参考訳）: 3次元トレーサローディング問題(3D-TLP)では、トレーラの閉じ込められた空間内における異種物質の最適配置と配向を決定するとともに、容積利用を最大化し、幅広い複雑な物流・安全制約を満たす。
3D-TLPはNPハードであり、大規模産業アプリケーションでは計算的に非現実的な正確な最適化アプローチをレンダリングする。
この課題に対処するために,新しい島型並列化フレームワークであるPANGEAにより高速化された拡張Biased Random-Key Genetic Algorithm (BRKGA)を提案する。
提案手法は,BRKGAの探索効率とロバスト性を遺伝的アルゴリズムの多集団進化計画と組み合わせたものである。
この島型戦略は人口の多様性を促進し、早期収束を緩和し、計算時間を著しく短縮する。
提案手法は実世界の大規模ロジスティクスに有効な解決策を提供するために, 実際のトレーラーローディングプロセスで検証された。
関連論文リスト
- Preference Optimization for Combinatorial Optimization Problems [54.87466279363487]
強化学習(Reinforcement Learning, RL)は、ニューラルネットワーク最適化のための強力なツールとして登場した。
大幅な進歩にもかかわらず、既存のRLアプローチは報酬信号の減少や大規模な行動空間における非効率な探索といった課題に直面している。
統計的比較モデルを用いて定量的報酬信号を定性的選好信号に変換する新しい手法であるPreference Optimizationを提案する。
論文 参考訳（メタデータ） (2025-05-13T16:47:00Z) - A Random-Key Optimizer for Combinatorial Optimization [0.0]
本稿では,最適化問題に適した汎用的で効率的な局所探索手法を提案する。
ランダムキーの概念を用いて、RKOは解をランダムキーのベクトルとしてエンコードし、後に実行可能な解に復号する。
RKOフレームワークは古典的メタヒューリスティクスの多元体を組み合わせ、それぞれが独立して、あるいは並列に動作可能であり、エリートソリューションプールを通じてソリューション共有が促進される。
論文 参考訳（メタデータ） (2024-11-06T22:23:29Z) - Maximize to Explore: One Objective Function Fusing Estimation, Planning,
and Exploration [87.53543137162488]
我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。
textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。
様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
論文 参考訳（メタデータ） (2023-05-29T17:25:26Z) - Stochastic Unrolled Federated Learning [85.6993263983062]
本稿では,UnRolled Federated Learning (SURF)を導入する。
提案手法は,この拡張における2つの課題,すなわち,非学習者へのデータセット全体の供給の必要性と,フェデレート学習の分散的性質に対処する。
論文 参考訳（メタデータ） (2023-05-24T17:26:22Z) - Accelerating genetic optimization of nonlinear model predictive control by learning optimal search space size [0.40964539027092917]
遺伝的アルゴリズム(GA)は一般に非線形モデル予測制御の最適化問題を解決するために用いられる。
本稿では,NMPCの遺伝的最適化を最適探索空間サイズを学習することで高速化することを提案する。
提案手法はGAの計算時間を短縮し、収束率を改善して入力を制御し、安定かつ実現可能なソリューションを提供する。
論文 参考訳（メタデータ） (2023-05-14T08:10:49Z) - Massively Parallel Genetic Optimization through Asynchronous Propagation
of Populations [50.591267188664666]
Propulateは、グローバル最適化のための進化的最適化アルゴリズムとソフトウェアパッケージである。
提案アルゴリズムは, 選択, 突然変異, 交叉, 移動の変種を特徴とする。
Propulateは解の精度を犠牲にすることなく、最大で3桁高速であることがわかった。
論文 参考訳（メタデータ） (2023-01-20T18:17:34Z) - Fast block-coordinate Frank-Wolfe algorithm for semi-relaxed optimal
transport [26.245086561385282]
最適輸送(OT)問題は、厳密な大量保存制約を持つ線形プログラミングの解を必要とする。
スパース解を与える高速ブロック座標Frank-Wolfe (BCFW) アルゴリズムを提案する。
色伝達問題における数値的な評価は,提案アルゴリズムが異なる設定で最先端のアルゴリズムより優れていることを示す。
論文 参考訳（メタデータ） (2021-03-10T03:46:29Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳（メタデータ） (2020-09-28T15:22:24Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z)
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。