Upgrade to Pro — share decks privately, control downloads, hide ads and more …

論文読み会LT KDD2020&ECAI2020

cocomoff
October 01, 2020

論文読み会LT KDD2020&ECAI2020

論文読み会(LT版)のための資料

1. Efficient Solving the Practical Vehicle Routing Problem: A Novel Joint Learning Approach (KDD2020)
2. Neural Large Neighborhood Search for the Capacitated Vehicle Routing Problem (ECAI2020)

cocomoff

October 01, 2020
Tweet

More Decks by cocomoff

Other Decks in Research

Transcript

  1. (1) Efficiently Solving the Practical Vehicle Routing Problem: A Novel

    Joint Learning Approach, KDD2020 (2) Neural Large Neighborhood Search for the Capacitated Vehicle Routing Problem, ECAI2020 @cocomoff
  2. 背景 VRP (TSP + 複数⾞両 + depot (0)) 8 6

    2 5 7 1 4 3 9 10 16 14 12 11 15 13 0 1/10
  3. ネットワーク構造 Encoder 側は論⽂で1p ぐらい詳細に証明 ( 既存⼿法の組合せ) Decoder 側は2 つに分ける 1

    つは次に訪問すべき地点をPointer する 1 つはPointer 側で作成した解を予測できるようなMLP 辺 が解 に含まれるかどうかを予測する 4/10 e π
  4. ネットワーク構造と学習 全体のロスは2 つのロスの重み付き和 Pointer 側のロスは,ICLR2019 などと同じくREINFORCE ロス MLP 側のロスは,Pointer が作成した

    とのcross entropy なぜこの学習をやっている? 過去の論⽂で学習のために最適な経路 (optimal solution) を使った ⼤規模データだと教師データが作れない RL とくっつけたこの形のJoint Learning を提案した 5/10 π
  5. 組合せ最適化におけるメタヒューリスティクスである Large Neighborhood Search をニューラルネットワークで実⾏する LNS を構成する実⾏可能解の destroy/repair 演算にNN を利⽤する

    CVRP ( 容量制約つきVRP) と Split Delivery VRP ( 分割VRP) の評価⽤イン スタンスについて,既知のヒューリスティクスと⽐較可能な結果を⽰した 概要を紹介
  6. 概要 局所探索 (Local Search): 組合せ最適化のメタヒューリスティクスの1 つ 実⾏可能解 から少し異なる解の集合 として以下を繰り返す を初期化

    以下を満⾜するまで繰り返す を選択 もし が より良ければ ⼀般に のサイズは 有限個 or パラメータの多項式サイズぐらい (Local search; LS) それ以上 (Large neighborhood search; LNS) それ以上 (Very large neighborhood search; VLNS) 7/10 x N(x) x x ∈ ′ N(x) f(x ) ′ f(x) x ← x′ N(x)