抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
混合整数計画法(MIP)問題に対する現在の最先端のソルバーは,広範囲の問題に対して良好に機能するように設計されている。しかし,多くの実世界使用事例では,問題事例は狭い分布から来る。これは,歴史的データセットにおける情報を利用して,発見的方法の設計を導くことができる特殊な方法の開発を動機づけた。最近の研究では,機械学習(ML)が,ドメイン知識を注入し,最適性ギャップを効率的に閉じるために,MIPソルバと統合できることを示した。このハイブリッド化は,通常,深い学習(DL)で行われるが,これは,大きなデータセットと広範なハイパーパラメータ調整を必要とする。本論文では,最小訓練データおよびチューニングを持つモデルを効率的に構築するために,エントロピーの概念を用いるオンライン発見的方法を提案した。著者らは,スケールにおいて解決するのが難しい再巡回現実世界問題である機関車割当問題(LAP)に関する著者らの方法をテストした。実験結果は,2%以下の相対ギャップを有する汎用ソルバ(CPLEX)と比較して,1桁のスピードアップを示した。また,いくつかの事例に対して,この方法は,時間限界内でCPLEXより良好な解を発見できることを観測した。【JST・京大機械翻訳】