文献

J-GLOBAL ID：202202285588144311   整理番号：22A0654691

単位円を持つ巡回セールスマン問題に対する深層生成モデルと強化学習解【JST・京大機械翻訳】

Deep Generative Model and Reinforcement Learning Solutions to Traveling Salesman Problems with Unit Circles

著者 (3件)： Shin Jane (Cornell University) ,  Kim Frank (Cornell University) ,  Ferrari Silvia (Cornell University)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 2209  発行年： 2022年 
JST資料番号： H0236B  資料種別： 会議録 (C)
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： 巡回セールスマン問題(TSP)の一般化は,検出や分類のような与えられたセンシング目的のために搭載センサを備えた移動ロボットが展開されている多くのロボットアプリケーションにおいてしばしば見られる。センサ視野が連続的で有界である場合,車両ルーティング問題は,近傍(TSPN)による巡回セールスマン問題の特殊ケースであり,与えられたサークルの集合を訪問する最短経路の探索である,十分なTSP(CETSP)として近似的に定式化できる。既存のCETSP解は,厳密および発見的アプローチのようなが,問題スケールに応じて計算の難易度または貧弱な解品質のいずれかに制限があり,機械学習アプローチがそれらの拡張性のために注目を集めている。本論文では,学習ベースと発見的方法のハイブリッドである新しいCETSPソリューションを提案した。提案手法は,最新の発見的TSP法と比較して,より良い解をもたらし,より拡張可能な学習ベースのCETSP解法に関する将来の研究を示唆した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *巡回セールスマン問題 ,  ロボット ,  経路 ,  近似法 ,  発見的方法 ,  応用プログラム ,  センサ ,  深層 ,  定式化 ,  移動ロボット ,  機械学習 ,  *強化学習
準シソーラス用語： *生成モデル ,  有界 ,  最短経路 , 【Automatic Indexing@JST】

分類 (3件)： その他のオペレーションズリサーチの手法  (KA03070E) ,  人工知能  (JE08000Z) ,  ネットワーク法  (KA03040X)

タイトルに関連する用語 (6件)： 円 ,  巡回セールスマン問題 ,  深層 ,  生成モデル ,  強化学習 ,  解