論文の概要: Graph learning-assisted logic-based Benders decomposition for distributionally robust in-station train rescheduling under disruptions

• arxiv url: http://arxiv.org/abs/2611.07520v1
• Date: Thu, 05 Nov 2026 06:30:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.568292
• Title: Graph learning-assisted logic-based Benders decomposition for distributionally robust in-station train rescheduling under disruptions
• Title（参考訳）: グラフ学習支援論理に基づくBenders分解による駅内列車再スケジュールの分散化
• Abstract要約: リソース再オープン時の不確実性は、列車の保持と再帰の決定を複雑にする。 本研究では, 破壊分解能の観測が可能となると, 残りの閉鎖期間の予測を更新する回転水平分布ロバストモデルを開発した。 これは、シナリオ計算のあいまいさのセットよりも、最悪のケースで予想される総完了遅延を最小限にする。
• 参考スコア（独自算出の注目度）: 2.637402332201891
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Uncertainty in resource reopening times complicates train holding and rerouting decisions when resource closures coincide with arrival delays and processing-time extensions. We develop a rolling-horizon distributionally robust model that updates predictions of the remaining closure duration as observations of disruption resolution become available. The model jointly optimizes train routes, sequences, and timings. It minimizes the worst-case expected total completion delay over an ambiguity set of scenario probabilities. The solution algorithm, GNN-LBBD, uses logic-based Benders decomposition to coordinate routing and resource scheduling. Conditional cuts are constructed from resource-use patterns, and a graph neural network guides the order in which resource relaxation subproblems are solved. Across 28 test instances for a five-track station, GNN-LBBD achieved a mean total completion delay of 61.13 train-min. This was 16.63\% lower than tabu search and 20.06\% lower than variable neighborhood search, with a mean total computation time close to that of tabu search. Information comparisons on six representative instances showed that using observations of disruption resolution reduced mean total completion delay by approximately 21.7\%. Scenario-based and conditional-mean predictions produced similar overall results under the same information conditions. The benefits of information were more pronounced in some instances with alternative routes. This suggests a relationship between the use of observations, the station resource structure, and the scope for schedule adjustments.
• Abstract（参考訳）: リソースの再開時間の不確実性は、リソースの閉鎖が到着遅延や処理時間拡張と一致する場合、列車の保持と再資源化の決定を複雑にする。 本研究では, 破壊分解能の観測が可能となると, 残りの閉鎖期間の予測を更新する回転水平分布ロバストモデルを開発した。 このモデルは、列車のルート、シーケンス、タイミングを共同で最適化する。 シナリオ確率のあいまいさに対して、最悪のケースで予想される総完了遅延を最小限にする。 解法アルゴリズムであるGNN-LBBDは論理ベースのベンダー分解を用いてルーティングとリソーススケジューリングを調整する。 資源利用パターンから条件付きカットを構築し、資源緩和サブプロブレムを解く順序をグラフニューラルネットワークが案内する。 5トラックのGNN-LBBDの28回の試験では、61.13列車分の平均完了遅延を達成した。 これはタブサーチよりも16.63\%低く、可変近傍サーチより20.06\%低く、タブサーチに近い計算時間である。 6つの代表例における情報比較の結果、分解分解能の観測により平均完了遅延が約21.7\%減少した。 シナリオベースおよび条件付き平均予測は、同じ情報条件下で同様の総合的な結果をもたらす。 代替ルートがある場合、情報の利点はより顕著になった。 このことは、観測の利用、ステーション資源構造、スケジュール調整のスコープとの関係を示唆している。

関連論文リスト

• From Recoverability to Functional Use: Auditing Temporal Reports in Time-Series Forecasting [10.481986290704821]
  正確な予測は時間的使用を正さないことを示す。 レポート制御ルーティングは、予測精度において観測された損失を伴わずに、レポート制御アライメントを大幅に改善する。
  論文  参考訳（メタデータ） (2026-08-11T03:30:36Z)
• Quantum-Inspired Evolutionary Neighborhood Search for Arrival-Departure Track Utilization Adjustment under Short-Term Disturbances [2.345132453731892]
  主要旅客駅での短期的な混乱は、列車の到着時間と出発時間を変更した。 本研究は, 列車到着, 線路占有, 出発作業に関わる駅資源を, ゾーンレベルの資源占有間隔として表現する。 近接探索(QEA-NS)と組み合わせた量子インスピレーション進化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-07-27T06:44:10Z)
• Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
  有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。 このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。 Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
  論文  参考訳（メタデータ） (2026-07-08T05:48:57Z)
• Distributed Stochastic Gradient Descent with Staleness: A Stochastic Delay Differential Equation Based Framework [56.82432591933544]
  分散勾配降下(SGD)は、計算リソースのスケーリング、トレーニング時間の短縮、マシンラーニングにおけるユーザのプライバシ保護の支援などにより、近年注目されている。 本稿では,遅延微分方程式(SDDE)と勾配到着の近似に基づく分散SGDの実行時間と安定化について述べる。 活性化作業員の増加は, 安定度による分散SGDを必ずしも加速させるものではないことが興味深い。
  論文  参考訳（メタデータ） (2024-06-17T02:56:55Z)
• Towards Understanding the Generalizability of Delayed Stochastic Gradient Descent [63.43247232708004]
  非同期で実行される勾配降下は、大規模機械学習モデルのトレーニングにおいて重要な役割を果たす。 既存の一般化誤差境界は悲観的であり、非同期遅延と一般化の相関を明らかにすることはできない。 我々の理論的結果は、非同期遅延は遅延SGDアルゴリズムの一般化誤差を低減することを示唆している。
  論文  参考訳（メタデータ） (2023-08-18T10:00:27Z)
• Non-stationary Delayed Combinatorial Semi-Bandit with Causally Related Rewards [7.0997346625024]
  我々は、因果関係の報酬で非定常かつ遅延半帯域問題を定式化する。 遅延したフィードバックから構造的依存関係を学習し、それを利用して意思決定を最適化する政策を開発する。 イタリアにおけるCovid-19の拡散に最も寄与する地域を検出するために, 合成および実世界のデータセットを用いて数値解析により評価を行った。
  論文  参考訳（メタデータ） (2023-07-18T09:22:33Z)
• A generalized network level disruption strategy selection model for urban public transport systems [16.64085440434604]
  ディスラプションからの迅速な回復は、トランジットシステムの信頼性にとって極めて重要である。 本研究は, 交通破壊対策を包括的かつ階層的に実施する試みである。
  論文  参考訳（メタデータ） (2023-05-07T16:34:25Z)
• Acceleration in Distributed Optimization Under Similarity [72.54787082152278]
  集中ノードを持たないエージェントネットワーク上での分散(強い凸)最適化問題について検討する。 $varepsilon$-solutionは$tildemathcalrhoObig(sqrtfracbeta/mu (1-)log1/varepsilonbig)$通信ステップ数で達成される。 この速度は、関心のクラスに適用される分散ゴシップ-アルゴリズムの、初めて(ポリログ因子まで)より低い複雑性の通信境界と一致する。
  論文  参考訳（メタデータ） (2021-10-24T04:03:00Z)
• Distributed stochastic optimization with large delays [59.95552973784946]
  大規模最適化問題を解決する最も広く使われている手法の1つは、分散非同期勾配勾配(DASGD)である。 DASGDは同じ遅延仮定の下で大域的最適実装モデルに収束することを示す。
  論文  参考訳（メタデータ） (2021-07-06T21:59:49Z)

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。