組合せ最適化競争(ML4CO)のための機械学習:結果と洞察【JST・京大機械翻訳】

Gasse Maxime; Cappart Quentin; Charfreitag Jonas; Charlin Laurent; Chetelat Didier; Chmiela Antonia; Dumouchelle Justin; Gleixner Ambros; Kazachkov Aleksandr M.; Khalil Elias; Lichocki Pawel; Lodi Andrea; Lubin Miles; Maddison Chris J.; Morris Christopher; Papageorgiou Dimitri J.; Parjadis Augustin; Pokutta Sebastian; Prouvost Antoine; Scavuzzo Lara; Zarpellon Giulia; Yang Linxin; Lai Sha; Wang Akang; Luo Xiaodong; Zhou Xiang; Huang Haohan; Shao Shengcheng; Zhu Yuanming; Zhang Dong; Quan Tao; Cao Zixuan; Xu Yang; Huang Zhewei; Zhou Shuchang; Binbin Chen; Minggui He; Hao Hao; Zhiyu Zhang; Zhiwu An; Kun Mao

プレプリント

J-GLOBAL ID：202202217216195349 整理番号：22P0299083

組合せ最適化競争(ML4CO)のための機械学習:結果と洞察【JST・京大機械翻訳】

The Machine Learning for Combinatorial Optimization Competition (ML4CO): Results and Insights

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 (41件)： , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
資料名：
発行年： 2022年03月04日プレプリントサーバーでの情報更新日： 2022年03月17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)

コンビナトリアル最適化は,作業研究とコンピュータ科学において十分に確立された領域である。最近まで,その方法は,分離における問題インスタンスの解決に焦点を合わせており,それらが実際に関連データ分布から生じることを無視している。しかし,近年,ソルバーとして,あるいは正確なソルバを強化することにより,組合せ問題を解くための新しいアプローチとして機械学習を用いることにおいて,近年,関心が高まっている。この文脈に基づいて,ML4COは,主要な発見的コンポーネントを置き換えることにより最先端の組合せ最適化ソルバを改善することを目的とする。競争は,3つの挑戦的な課題,即ち,最も実現可能な解決策の発見,最も厳しい最適証明書の作成,および適切なソルバ構成を与える。3つの現実的データセット,すなわちバランス項目配置,作業負荷割当て,および海洋在庫経路選定を考慮した。この最後のデータセットは,試験者のために匿名に保たれた。【JST・京大機械翻訳】

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

人工知能 , その他のオペレーションズリサーチの手法

, , ,

前のページに戻る