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。
カット平面選択は,最適ソルバ性能を誘導する生成されたカットの部分集合を選択する目標を持つすべての現代の混合整数線形計画法ソルバで使われるサブルーチンである。これらのソルバは数百万のパラメータ組合せを持ち,パラメータ調整のための優れた候補である。カット選択スコアリング規則は通常,重みがパラメータである異なる測定の加重和である。無限に多くのファミリー全体の有効なカットと共に混合整数線形プログラムのパラメトリックファミリを示した。これらのカットの幾つかは,適用後に直接整数最適解を誘導することができ,一方,無限量が適用されるとしても,他のものはそうではない。特定のカット選択ルールに対して,パラメータ空間の有限格子探索が常に全てのパラメータ値を誤って,無限量の問題において整数最適誘導カットを選択することを示した。既存のグラフ畳み込みニューラルネットワークの設計に関する変動を提案し,カット選択ルールパラメータを学習するためにそれらを適応させた。著者らは,カットを選択するための強化学習フレームワークを提示し,MIPLIB2017とニューラルネットワーク検証データセット上の前述のフレームワークを用いて,著者らの設計を訓練した。フレームワークと設計は,適応カット選択が,多様なインスタンス集合で性能を大幅に改善するが,そのようなルールを記述する単一関数を見つけるのは難しいことを示した。すべての実験を再現するコードは,https://github.com/Opt Mucca/Adaptive Cutsel MILPで利用可能である。【JST・京大機械翻訳】