文献

J-GLOBAL ID：202202210655805853   整理番号：22A0416958

車両ルーティング問題のための機械学習アルゴリズムの比較【JST・京大機械翻訳】

Comparison of Machine Learning Algorithms for Vehicle Routing Problems

著者 (6件)： Vamsi Krishna Munjuluri V. S. (Department of Computer Science and Engineering, Amrita Vishwa Vidyapeetham, Amritapuri, India) ,  Telukuntla Yashwanth Reddy (Department of Electronics and Communication Engineering, Amrita Vishwa Vidyapeetham, Amritapuri, India) ,  Sanath Kumar Parimi (Department of Computer Science and Engineering, Amrita Vishwa Vidyapeetham, Amritapuri, India) ,  Mohan Aravind (Department of Mathematics, Amrita Vishwa Vidyapeetham, Amritapuri, India) ,  Gutjahr Georg (Department of Mathematics, Amrita Vishwa Vidyapeetham, Amritapuri, India) ,  Gutjahr Georg (Center for Research in Analytics & Technologies for Education (CREATE), Amrita Vishwa Vidyapeetham, Amritapuri, India)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 251  ページ： 785-793  発行年： 2022年 
JST資料番号： W5072A  ISSN： 2190-3018  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 車両ルーティングは組合せ最適化における古典的問題である。多数の正確で発見的解法が過去に開発された。ここ数年,機械学習アルゴリズムをいくつかの成功でそのような問題に適用した。本論文は,3つの最近の機械学習アルゴリズム,強化学習,動的注意モデルおよび神経大規模近傍探索を研究した。これらのアルゴリズムを文献からの様々なベンチマーク問題に関して比較した。ニューラル大近傍アプローチは最良の品質解を与えることが分かった。動的注意モデルはメモリの最大量を必要とし,より大きなインスタンスに対して訓練できないことが分かった。強化学習は,実行時間と解品質の間の良好な妥協を提供した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 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 ,  記憶装置 ,  発見的方法 ,  経路選定 ,  ベンチマーク ,  *機械学習 ,  強化学習 ,  *学習アルゴリズム ,  近傍探索法
準シソーラス用語： 実行時間 ,  組合せ最適化 ,  *輸送経路 , 【Automatic Indexing@JST】

著者キーワード (6件)： 車両経路選定問題 ,  組合せ最適化 ,  機械学習 ,  強化学習 ,  動的注意モデル ,  ニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 車両ルーティング ,  問題 ,  機械学習 ,  アルゴリズム