組合せ問題のためのRNNベースハイパーヒューリスティック【JST・京大機械翻訳】

Kieffer Emmanuel; Duflo Gabriel; Danoy Gregoire; Danoy Gregoire; Varrette Sebastien; Bouvry Pascal; Bouvry Pascal

文献

J-GLOBAL ID：202202239163675762 整理番号：22A1104975

組合せ問題のためのRNNベースハイパーヒューリスティック【JST・京大機械翻訳】

A RNN-Based Hyper-heuristic for Combinatorial Problems

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1104975&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1104975&from=J-GLOBAL&jstjournalNo=H0078D") }}

著者 (7件)： , , , , , ,
資料名：
巻： 13222 ページ： 17-32 発行年： 2022年
JST資料番号： H0078D ISSN： 0302-9743 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)

効率的な発見的方法を設計することは,与えられた最適化問題の完全な理解と知識を必要とする,面倒で退屈なタスクである。ハイパーヒューリスティックは主にこの問題に取り組むために導入され,主に遺伝的プログラミングとその変異体に依存している。文献における多くの試みは,発見的学習のための自動訓練メカニズムが可能で,最適性に対するギャップに関して人間ベースの発見的方法に挑戦できることを示した。本研究では,ディープシンボリック回帰に関する最近の研究に基づく新しいアプローチを紹介した。スコアリング関数は,よく知られた組合せ問題,すなわち,多次元ナップサックに取り組むために,Reカレントニューラルネットワークを用いて訓練できることを示した。OR-Libraryからの事例について実験を行い,その結果,提案したmodusオペランドは,人間ベースの発見的方法および古典的発見的生成アプローチに対する代替的かつ有望なアプローチであることを示した。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

著者キーワード (3件)： , ,

人工知能 , 工程管理

前のページに戻る