論文の概要: TRCM: Topology-Aware Route-Consistency Modeling for Robust Neural Vehicle Routing

• arxiv url: http://arxiv.org/abs/2610.27568v1
• Date: Tue, 20 Oct 2026 03:32:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.617027
• Title: TRCM: Topology-Aware Route-Consistency Modeling for Robust Neural Vehicle Routing
• Title（参考訳）: TRCM:ロバストニューラルネットワークルーティングのためのトポロジーを考慮した経路整合性モデリング
• Abstract要約: ルートレベルの顧客共同割り当てを明示的にモデル化し、このノードレベルの意思決定プロセスのガイドに使用することができる。 トポロジを考慮した経路整合性モデリングは,経路整合性信号として相互に同一経路確率を予測し,顧客選択に注入する。 その結果、自己回帰型ニューラルネットワークの効果的な構造原理として、明確な経路整合性モデリングが支持される。
• 参考スコア（独自算出の注目度）: 19.26293384640376
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural combinatorial optimization has enabled fast constructive solvers for the Capacitated Vehicle Routing Problem (CVRP), yet most autoregressive models still construct solutions through sequential node selection and represent route organization only implicitly. We investigate whether route-level customer co-assignment can be modeled explicitly and used to guide this node-level decision process. To this end, we propose TopologyAware RouteConsistency Modeling (TRCM), which reuses node representations from a standard autoregressive construction pipeline to predict pairwise same-route probabilities and injects them into customer selection as a route-consistency signal. Because sameroute supervision is both class-imbalanced and structurally uneven, TRCM combines structure-preserving augmentation with Topological Entropy (TE)- based reweighting to emphasize locally ambiguous customer pairs. Under matched decoding budgets, TRCM reduces the optimality gap from 3.67% to 3.28% on CVRP50 and from 2.11% to 1.99% on CVRP100; under 8-fold augmented inference, it reduces the CVRP100 gap from 1.61% to 1.49%. On XML100, TRCM*8Aug improves the average objective by 0.24%, with larger gains on several structurally informative factors. A controlled demand-reassignment test over 500 variants further shows more concentrated objective fluctuations. These results support explicit route-consistency modeling as an effective structural principle for autoregressive neural routing.
• Abstract（参考訳）: ニューラルネットワークの組合せ最適化により、キャパシタント車両ルーティング問題(CVRP)の高速な構築的解決が可能になったが、ほとんどの自己回帰モデルはシーケンシャルノードの選択を通じてソリューションを構築し、ルート構成を暗黙的に表現している。 ルートレベルの顧客共同割り当てを明示的にモデル化し、このノードレベルの意思決定プロセスのガイドに利用することができるかを検討する。 この目的のために,TopologyAware Route Consistency Modeling (TRCM)を提案する。これは,標準的な自己回帰型構成パイプラインからノード表現を再利用し,相互に同一経路の確率を予測し,経路整合性信号としてユーザ選択に注入する。 同ルートの監督は、クラス不均衡と構造的不均一の両方のため、TRCMは、構造保存の強化と、Topological Entropy(TE)ベースの再重み付けを組み合わせて、局所的に曖昧な顧客ペアを強調する。 一致したデコード予算の下では、TRCMはCVRP50では3.67%から3.28%に、CVRP100では2.11%から1.99%に最適化ギャップを減らし、8倍拡張推論ではCVRP100では1.61%から1.49%に短縮する。 XML100では、TRCM*8Augは平均目標を0.24%改善し、いくつかの構造的な情報的要因で大きな利益を得る。 制御された500種類以上の需要設定テストにより、より集中的な目標変動が示される。 これらの結果は、自己回帰型ニューラルルーティングの効果的な構造原理として、明確な経路整合性モデリングを支持する。

関連論文リスト

• From Comparison to Selection: Enhancing Cross-Scale Generalization of Pointer Networks Trained with Reinforcement Learning for Capacitated Drone Delivery Routing [3.0098885383612104]
  無人航空機(UAV)は、高速でフレキシブルなラストマイル緊急配達を可能にする。 混合整数と変種に基づく古典的なアプローチは、スケーラビリティの低下や問題固有の設計を必要とする可能性がある。 本稿では,これらの制約に対処するために,学習された置換-不変グラフ-コンテキストアグリゲーション機構を提案する。
  論文  参考訳（メタデータ） (2026-10-20T09:44:49Z)
• DREAM Technical Report [53.37525197047151]
  DREAMは、既存のパイプラインの上に認識認識、オーケストレーション、監査可能なポリシ層を追加し、それを置き換えることなく、自律的な最適化制御アーキテクチャである。 DREAMには2つのコアコンポーネントがある。まず、3層Intent Engineはデバイス上の信号を構造化されたL0/L1/L2インテント表現に融合する。エッジクラウドトリガーチェーンはレポートのボリュームを約8.7%に削減する。 第2に、Meta EngineはMetaModelを使って、層状M1-to-M2-to-M3推論(インテントの要約、ストラテジーメモリに通知されるストラテジープランニング、パラメータ変換など)を定式化したM1-to-M2-to-M3推論に使用します。
  論文  参考訳（メタデータ） (2026-08-10T10:35:32Z)
• CLDRoute: Conditional Latent Diffusion for Routability Map Generation in Physical Design [20.750852836136012]
  事前学習に基づく手法では、routabilityの推定を決定論的予測、配置ステージの特徴を1つの混雑またはDRC結果にマッピングする。 本研究では,ルーティングの混雑とDRC違反の両方を空間的に構造化されたルタビリティフィールドとしてモデル化する条件生成問題として,ルタビリティ推定を定式化する。 我々のフレームワークは、期待される結果と不確実性の両方を生成することによって、配置時のルタビリティをより実践的な視点を提供する。
  論文  参考訳（メタデータ） (2026-07-18T07:10:42Z)
• GeoRouteNet: Geometry-Enhanced Non-Autoregressive Neural Solver for the Traveling Salesman Problem [5.202950948929751]
  GeoRouteNetはユークリッド旅行セールスマン問題(TSP)のための幾何学強化ニューラルネットワークである モデル側では、GeoRouteNetには、中心ノード機能、学習可能なラジアル距離基底関数、距離対応グラフアテンション、LayerNorm-SwiGLUフィードフォワードブロック、層間減衰残エンコーダミキシングが組み込まれている。 トレーニング側では,インスタンス毎に複数の候補ツアーを抽出するマルチ候補自己比較強化学習(MCS-RL)を設計する。
  論文  参考訳（メタデータ） (2026-06-22T02:31:22Z)
• UniAlign: A Model-Agnostic Framework for Robust Network Traffic Classification under Distribution Shifts [8.146941441861614]
  UniAlignは、分散シフト下でのディープラーニングベースのNTCモデルの堅牢性を改善する、モデルに依存しないフレームワークである。 特定の特徴モダリティを必要とせずに既存の教師付きNTCモデルにシームレスに統合できる。
  論文  参考訳（メタデータ） (2026-05-17T18:02:17Z)
• Neural Cluster First, Route Second: One-Shot Capacitated Vehicle Routing via Differentiable Optimal Transport [3.248584983235657]
  CVRP(Capacitated Vehicle Routing Problem)のための一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発一発 グローバル・フリート・キャパシティの制約を、異なるエントロピック・最適輸送層を通じてエンドツーエンドで実施し、正確な静電容量を分散させる継続的な輸送計画を生み出している。 事前学習した語彙でフレームワークを組み込むことで、極端なパラメータ効率とゼロショットスケーリングを解放する。
  論文  参考訳（メタデータ） (2026-05-10T03:53:59Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail [85.47497935739936]
  Alpamayo-R1 (AR1) は、因果推論の連鎖と軌道計画を統合する視覚言語モデルである。 また,AR1は,軌道のみのベースラインに比べて,難問の計画精度が12%向上することを示した。 今後のアップデートで、AR1モデルとCoCのサブセットをリリースする予定です。
  論文  参考訳（メタデータ） (2025-10-30T01:25:34Z)
• DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator Search [55.164053971213576]
  畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。 構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。 既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-11-04T07:43:01Z)

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。