文献

J-GLOBAL ID：202102282409385742   整理番号：21A2702045

組合せ最適化問題を解くためのメタヒューリスティックスのサービスにおける機械学習:最新技術【JST・京大機械翻訳】

Machine learning at the service of meta-heuristics for solving combinatorial optimization problems: A state-of-the-art

著者 (5件)： Karimi-Mamaghan Maryam (IMT Atlantique, Lab-STICC, UMR CNRS 6285, Brest F-29238, France) ,  Mohammadi Mehrdad (IMT Atlantique, Lab-STICC, UMR CNRS 6285, Brest F-29238, France) ,  Meyer Patrick (IMT Atlantique, Lab-STICC, UMR CNRS 6285, Brest F-29238, France) ,  Karimi-Mamaghan Amir Mohammad (Department of Electrical and Computer Engineering, University of Tehran, Tehran, Iran) ,  Talbi El-Ghazali (Department of Computer Science, University of Lille, CNRS UMR 9189, Centre de Recherche en Informatique Signal et Automatique de Lille (CRIStAL), Lille F-59000, France)
資料名： European Journal of Operational Research  (European Journal of Operational Research)
巻： 296  号： 2  ページ： 393-422  発行年： 2022年 
JST資料番号： A0547A  ISSN： 0377-2217  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,コンビナトリアル最適化問題を解くためのメタヒューリスティックスへの機械学習技術の統合に関心が集まっている。この統合は,効率的,効果的かつロバストな探索に向けてメタヒューリスティックスを導いて,解品質,収束速度,およびロバスト性に関してその性能を改善することを目的とする。異なる目的を有する様々な統合方法が開発されているので,メタヒューリスティックを改善するために機械学習技術を使用する最近の進歩をレビューする必要がある。知る限りでは,文献は,包括的ではあるが技術的レビューを持つことが不足している。このギャップを埋めるために,本論文では,アルゴリズム選択,適応度評価,初期化,進化,パラメータ設定,および協調を含む異なる目的のためのメタヒューリスティックの異なる要素の設計における機械学習技術の使用に関するそのようなレビューを提供した。最初に,これらの統合方法のそれぞれの重要な概念と予見を述べた。次に,統合の各方法の最近の進歩をレビューし,提案した統一分類に基づいて分類した。最後に,著者らは,これらの統合方法のそれぞれを実行する利点,限界,要求,および課題に関する技術的議論を提供し,将来有望な将来の研究方向を示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化問題 ,  *発見的方法 ,  ロバスト性 ,  *機械学習 ,  *組合せ最適化問題
準シソーラス用語： *メタヒューリスティクス ,  収束速度 ,  適応度 ,  *ヒューリスティック ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (4件)： Metaヒューリスティックス ,  機械学習 ,  組合せ最適化問題 ,  最新技術

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 組合せ最適化問題 ,  メタヒューリスティックス ,  サービス ,  機械学習