文献

J-GLOBAL ID：202102279179206055   整理番号：21A0234583

不確実な容量制約付きアークルーティング問題を解くためのGPHHのための多様性駆動知識転送【JST・京大機械翻訳】

Diversity-driven Knowledge Transfer for GPHH to Solve Uncertain Capacitated Arc Routing Problem

著者 (3件)： Ardeh Mazhar Ansari (Victoria University of Wellington,School of Engineering and Computer Science,Wellington,New Zealand,PO Box 600) ,  Mei Yi (Victoria University of Wellington,School of Engineering and Computer Science,Wellington,New Zealand,PO Box 600) ,  Zhangz Mengjie (Victoria University of Wellington,School of Engineering and Computer Science,Wellington,New Zealand,PO Box 600)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SSCI  ページ： 2407-2414  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 不確実容量化アークルーティング問題(UCARP)は,多くの実世界ロジスティックシステムをモデル化することができる動的コンビナトリアル最適化問題である。現在,UCARPを解くための最良の利用可能な方法は,自動車のためのルーティングポリシーを自動的に進化するためのハイパーヒューリスティックとして遺伝的プログラミングを使用するアプローチである。この分野における未解決の課題は,解決されたUCARPインスタンスの特徴への変更が,新しい問題に対して訓練された政策を無効にするであろうということである。その結果,このような変化が起こると,スクラッチから新しいルーティングポリシーを訓練する必要がある。訓練ルーティング政策のプロセスは,一般に高価である。再訓練コストを低減するための移動学習法の利用が望ましい。しかしながら,以前の研究は,UCARPの処理問題変化のための移動学習を行うことが挑戦的なタスクであると確認した。多様性の欠如と不十分な局所最適への可能な収束は,この課題に寄与するいくつかの問題である。これらの問題に取り組むために,本研究では,転送された知識の不十分な多様性の問題に取り組むために,UCARPのためのGPHHにおけるハイパー突然変異による新しい転送学習アプローチを提案した。著者らの実験は,新しく提案したアプローチが知識移転の有効性を増加でき,転送学習を通してUCARPシナリオ変化のより良い取扱いを可能にすることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  最適化問題 ,  自動車 ,  *不確実性 ,  突然変異 ,  *経路選定 ,  有効性 ,  物流システム ,  遺伝的プログラミング
準シソーラス用語： 知識移転 ,  ヒューリスティック ,  スクラッチ ,  容量制約 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 容量制約 ,  アーク ,  ルーティング ,  多様性 ,  知識 ,  転送