分布ロバスト最適化によるルーティング問題を解くための学習【JST・京大機械翻訳】

Jiang Yuan; Wu Yaoxin; Cao Zhiguang; Zhang Jie

プレプリント

J-GLOBAL ID：202202211769605482 整理番号：22P0289853

分布ロバスト最適化によるルーティング問題を解くための学習【JST・京大機械翻訳】

Learning to Solve Routing Problems via Distributionally Robust Optimization

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： 2022年02月15日プレプリントサーバーでの情報更新日： 2022年02月15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)

ルーティング問題を解くための最近の深層モデルは,常に訓練のためのノードの単一分布を仮定し,それらの交差分布一般化能力を著しく損なう。本論文では,グループ分布ロバスト最適化(グループDRO)を利用して,この問題に取り組むため,訓練中のインタリーブ方式で,異なるグループの分布およびパラメータに対する重みを一緒に最適化する。また,畳み込みニューラルネットワークに基づくモジュールを設計し,ノード間のより有益な潜在パターンを学習する深層モデルを可能にした。GCNとPOMOを含む2種類のよく知られた深いモデルについて提案したアプローチを評価した。ランダム合成事例と2つのベンチマークデータセット(すなわち,TSPLibとCVRPLib)の実験結果は,著者らのアプローチが元のモデルよりも交差分布一般化性能を著しく改良できることを示した。【JST・京大機械翻訳】

, , , ,
, , 【Automatic Indexing@JST】

人工知能 , ニューロコンピュータ

, , ,

前のページに戻る