文献

J-GLOBAL ID：202202280155799901   整理番号：22A0982894

ナップサック問題解決における完全連結,注意,および変圧器モデルを用いた強化学習【JST・京大機械翻訳】

Reinforcement learning using fully connected, attention, and transformer models in knapsack problem solving

著者 (1件)： Yildiz Beytullah (Department of Software Engineering, School of Engineering, Atilim University, Ankara, Turkey)
資料名： Concurrency and Computation: Practice & Experience  (Concurrency and Computation: Practice & Experience)
巻： 34  号： 9  ページ： e6509  発行年： 2022年 
JST資料番号： W2542A  ISSN： 1532-0626  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ナップサックは,多様な資源配分課題を含む組合せ最適化問題である。それは,非決定論的多項式時間(NP)ハードとして定義され,広範囲の応用を持つ。ナップサック問題(KP)は,数十年間,適用数学およびコンピュータ科学において研究されている。厳密あるいは近似解として分類できる多くのアルゴリズムが提案されている。厳密解のカテゴリーの下で,分岐および結合および動的計画法のようなアルゴリズムおよびこれらのアルゴリズムを組み合わせることによって得られた方式を,分類することができた。厳密解が長い処理時間を必要とするという事実により,多くの近似法がナップサック解のために導入されている。本研究では,完全接続層,注意,および変圧器を関数推定器として含むモデルを使用した深Q学習を用いて,KPの解を提供した。著者らは,著者らが開発したナップサック環境によって提供される報酬信号を観察することによって,それらの訓練を継続する深いQネットワークが,時間とともに得られた全報酬を最適化したことを観察した。結果は,著者らのアプローチが近最適解を与え,動的プログラミングを用いた正確なアルゴリズムよりも約40倍速いことを示した。Copyright 2022 Wiley Publishing Japan K.K. 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 ,  最適化 ,  *変圧器 ,  動的計画法 ,  ネットワーク ,  計算機科学 ,  近似法 ,  厳密解 ,  資源割付 ,  *ナップサック問題 ,  *強化学習 ,  組合せ最適化問題
準シソーラス用語： 最適解 ,  Q学習 ,  多項式時間 , 【Automatic Indexing@JST】

著者キーワード (6件)： 注意 ,  組合せ最適化問題 ,  深いQ学習 ,  ナップサック ,  強化学習 ,  変圧器

分類 (1件)： 数理計画法  (KA03030M)

タイトルに関連する用語 (5件)： ナップサック問題 ,  注意 ,  変圧器 ,  モデル ,  強化学習