文献

J-GLOBAL ID：202202237694697692   整理番号：22A0944186

一般化極値モデルの下での最大捕獲問題のための劣モジュラ性と局所探索アプローチ【JST・京大機械翻訳】

Submodularity and local search approaches for maximum capture problems under generalized extreme value models

著者 (3件)： Dam Tien Thanh (ORLab, Faculty of Computer Science, Phenikaa University, Yen Nghia, Ha Dong, Hanoi, VietNam) ,  Ta Thuy Anh (ORLab, Faculty of Computer Science, Phenikaa University, Yen Nghia, Ha Dong, Hanoi, VietNam) ,  Mai Tien (School of Computing and Information Systems, Singapore Management University, 80 Stamford Rd, Singapore 178902, Singapore)
資料名： European Journal of Operational Research  (European Journal of Operational Research)
巻： 300  号： 3  ページ： 953-965  発行年： 2022年 
JST資料番号： A0547A  ISSN： 0377-2217  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ランダム効用モデル,すなわち,捕捉されたユーザ需要が,ランダムユーティリティ最大化モデルに従ってすべての利用可能な施設の間で選択されると仮定して,競争市場で新しい施設を位置決めする探索の問題を,ランダム効用モデルの下で,施設位置における最大捕獲問題を研究した。離散選択モデルの一般化極値(GEV)ファミリーを採用して,この文脈における目的関数が単調で,サブモジュールであることを示した。この知見は,単純な greedy欲な発見的方法は,常に(1-1/e)近似解を保証できることを意味する。さらに, greedy欲ヒューリスティック,勾配ベース局所探索,および交換手続きを組み合わせた新しいアルゴリズムを開発し,この問題を効率的に解いた。異なるサイズのインスタンスを用いて実験を行い,異なる離散選択モデルの下で実験を行い,提案アプローチが,リターンされた客観的価値とCPU時間の両方に関して,事前手法よりも著しく優れていることを示した。著者らのアルゴリズムおよび理論的発見を,一般的な多項ロジット,入れ子ロジット,交差入れ子ロジット,および混合ロジットモデルを含む,文献における様々なランダム効用モデルの下で,最大捕獲問題に適用することができる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  勾配 ,  発見的方法 ,  *捕獲 ,  目的関数 ,  ロジットモデル ,  CPU時間 ,  *近傍探索法
準シソーラス用語： ヒューリスティック ,  近似解 ,  多項ロジット ,  ユーティリティ最大化 ,  離散選択モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 設備計画と設計 ,  最大捕獲 ,  ランダム効用最大化 ,  一般化極値値 ,  欲張り発見

分類 (2件)： 数値計算  (JE02000J) ,  交通調査  (TB01031B)

タイトルに関連する用語 (6件)： 一般化極値 ,  モデル ,  捕獲 ,  問題 ,  モジュラ性 ,  局所探索