文献

J-GLOBAL ID：201702290596946470   整理番号：17A1453495

容量制約付きクラスタリング問題のためのランダム化発見的方法【Powered by NICT】

Randomized heuristics for the Capacitated Clustering Problem

著者 (4件)： Martinez-Gavara Anna (Departamento de Estadistica e Investigacion Operativa, Universidad de Valencia, Spain) ,  Landa-Silva Dario (ASAP Research Group, School of Computer Science, University of Nottingham, UK) ,  Campos Vicente (Departamento de Estadistica e Investigacion Operativa, Universidad de Valencia, Spain) ,  Marti Rafael (Departamento de Estadistica e Investigacion Operativa, Universidad de Valencia, Spain)
資料名： Information Sciences  (Information Sciences)
巻： 417  ページ： 154-168  発行年： 2017年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,欲張りランダム化適応探索手順(GRASP)と反復欲張り法容量制約付きクラスタリング問題(CCP)への適応を調べた。特に,このNP困難問題を解くときの,これらのマルチスタート発見的探索法の性能に関するランダム化とgreediness間のバランスの影響に焦点を当てた。前者は独立な解を構築するメモリのないアプローチであり,後者は結合した溶液,部分的に再構築以前のもので得られたを構築する記憶に基づく方法である。両者は構成的過程におけるgreedinessとランダム化の組合せに基づいており,その後の局所探索相と結合している。はこれら二マルチスタート法とそのハイブリダイゼーションを提案し,CCPに対するそれらの性能を比較した。はこの問題の数学的プログラミングの定式化に基づく発見的,いわゆる数理計画法メタヒューリスティクス(matheuristic)を構成することを提案した。もランダム化発見的方法の実態の解明にシミュレーテッドアニーリングに基づく古典的な無作為化法を実装した。広範な実験は,反復欲張りはこの問題のGRASPよりも優れた性能を示し,両方法は,ハイブリダイズし,結合した数理計画法メタヒューリスティクス(matheuristic)した場合に,転帰改善が得られることを明らかにした。事実,混成はCCPで以前に報告された最良の方法より性能が優れていることができた。本研究では,メモリベースの構築は,マルチスタート発見的探索法の枠内での効果的な機構であることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *発見的方法 ,  シミュレーテッドアニーリング ,  記憶装置 ,  定式化 ,  再構成 ,  *クラスタ化 ,  数理計画法 ,  近傍探索法 ,  計算機プログラミング
準シソーラス用語： 転帰 ,  メタヒューリスティクス ,  探索法 ,  NP困難問題 ,  欲張りアルゴリズム ,  *容量制約 , 【Automatic Indexing@JST】

著者キーワード (4件)： 容量制約付きクラスタリング ,  把握 ,  数学的ヒューリスティック ,  グラフ分割

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 容量制約 ,  クラスタリング ,  問題 ,  ランダム化 ,  発見的方法