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

論文読み会LT KDD2020&ECAI2020

414e141aa769f7bf61977ee5fb15d1ba?s=47 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)

414e141aa769f7bf61977ee5fb15d1ba?s=128

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. 以前紹介した論⽂ ICLR2019 様々なRouting Problem を解くためのAttention 機構付きNN 強化学習の枠組みで良い経路を選択できるように学習 これに関連した2020 年の論⽂2 本を紹介

  3. RL ベースの⼿法は学習が遅いという⽋点があり,RL ベースの⼿法+ 教師 有り学習によって効率的に学習する 訪問点の座標 ( ) に加えて,2 点間の距離を埋め込んで利⽤する

    ⼈⼯データと実データに対して,OR-Tools よりも良い結果を⽰した x, y
  4. 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
  5. 概要 いろんな⼿法の⽐較 ([21] がICLR2019) 2/10

  6. 埋め込む特徴 特徴として座標 の埋め込みだけではなく,距離⾏列を利⽤する 理由: の相対位置だけでは移動距離が道路によって異なるため 3/10 (x, y) x, y

  7. 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
  8. 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
  9. 実験結果 ⼈⼯データ (VRP-num) ,実データ (VRP-R) 概ね他の⼿法より良かったし,相対位置を⼊れたほうが良かった 6/10

  10. 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
  11. 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)
  12. LNS の特徴つけ: Destroy/Repair オペレータ 近傍の解を探索する操作を2 つの操作で考える Destory: 実⾏可能解を壊す ( ランダムとかで良いらしい)

    Repair: 実⾏可能解に直す ( 難しいらしい ← ここをPointer Network) 8/10
  13. ネットワーク構造 どこを直すのかを指し⽰すPointer Network 学習⽅法はREINFORCE ロスと同じ (ICLR2019 やKDD2020 のロスと似た アプローチ) 9/10

  14. 実験結果 既存のNN ベース⼿法と⽐較して,性能は良いが遅い SDVRP インスタンスでも既存のヒューリスティクと… 10/10