Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Balans: Tìm kiếm lân cận lớn thích ứng dựa trên máy đánh bạc nhiều tay cho bài toán lập trình số nguyên hỗn hợp

Created by
  • Haebom

Tác giả

Junyang Cai, Serdar Kadioglu, Bistra Dilkina

Phác thảo

Trong bài báo này, chúng tôi đề xuất Balans, một siêu giải thuật thích ứng cho lập trình số nguyên hỗn hợp (MIP) với khả năng học trực tuyến mà không cần đào tạo trước. Balans dựa trên một thuật toán tìm kiếm lân cận lớn thích ứng chạy trên một bộ giải MIP, liên tục áp dụng các toán tử hủy và sửa vùng lân cận. Việc lựa chọn giữa các định nghĩa vùng lân cận khác nhau được thực hiện trên cơ sở từng trường hợp, theo thời gian thực, thông qua một thuật toán băng nhóm nhiều nhánh. Kết quả thực nghiệm cho thấy Balans vượt trội hơn các bộ giải MIP cơ bản, vượt trội hơn việc sửa lỗi trên một vùng lân cận tối ưu duy nhất và vượt trội hơn các phương pháp tìm kiếm lân cận lớn hiện đại cho MIP. Balans có khả năng cấu hình cao và được phát hành dưới dạng phần mềm mã nguồn mở, độc lập với bộ giải MIP.

Takeaways, Limitations

Takeaways:
Đề Xuất khả năng đẩy nhanh tốc độ giải các bài toán MIP thông qua học trực tuyến mà không cần đào tạo trước.
ỨNg dụng hiệu quả thuật toán máy cướp nhiều tay để lựa chọn tối ưu giữa các định nghĩa lân cận khác nhau.
Nó vượt trội hơn các trình giải MIP hiện có và các kỹ thuật tìm kiếm lân cận quy mô lớn.
Cung cấp khả năng tiếp cận tốt hơn và tiềm năng mở rộng nghiên cứu thông qua việc phát hành phần mềm nguồn mở.
Limitations:
Hiệu suất tổng quát cho các loại vấn đề MIP cụ thể có thể cần được nghiên cứu thêm.
Có thể cần nghiên cứu thêm về việc điều chỉnh tham số của thuật toán máy cướp nhiều tay.
Có thể cần xác thực bổ sung để có thể mở rộng quy mô cho các vấn đề lớn.
👍