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。
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】