分岐ポリシーを学習するための分枝限定探索木のパラメータ化【JST・京大機械翻訳】

Zarpellon Giulia; Jo Jason; Lodi Andrea; Bengio Yoshua

プレプリント

J-GLOBAL ID：202202210603677454 整理番号：21P0024293

分岐ポリシーを学習するための分枝限定探索木のパラメータ化【JST・京大機械翻訳】

Parameterizing Branch-and-Bound Search Trees to Learn Branching Policies

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年02月12日プレプリントサーバーでの情報更新日： 2021年06月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

分岐とBound(B&B)は,混合整数線形計画法問題(MILP)を解くために通常用いられる正確なツリー探索法である。MILPのための学習分岐政策は,強力な分岐規則を模倣し,それを異なるクラスの問題に特殊化するために,最も研究している研究領域になっている。異種MILPを一般化するポリシーを学習する代わりに,B&B探索ツリーの状態をパラメータ化すると,この種の一般化を支援できるという,著者らの主要な仮説は目的である。新しい模倣学習フレームワークを提案し,分岐を表現するために新しい入力特徴とアーキテクチャを導入した。MILPベンチマークインスタンスに関する実験は,より高い精度とより小さなB&Bツリーの両方に関して,分岐決定を調節するための探索木の状態の明確なパラメタリゼーションを組み込むことの利点を明確に示す。結果としての政策は,一般的な非意味インスタンスへの一般化を可能にすることにより,現在の最先端技術の「分枝への学習」を凌駕する。【JST・京大機械翻訳】

, , ,
, , , , 【Automatic Indexing@JST】

数理計画法

, , , ,

前のページに戻る