IDEAS主页打印自https://ideas.repec.org/a/spr/joheur/v29y2023i2d10.1007_s10732-023-09512-z.html
  我的参考书目  保存此文章

学习细粒度搜索空间修剪和启发式组合优化

作者

上市的：
  • 朱霍·劳里
  • 苏拉夫·杜塔

    （华为研究）

  • 马可·格拉西亚

    （卡塔尼亚大学）

  • 迪帕克·阿杰瓦尼

    （都柏林大学学院）

摘要

组合优化问题自然会出现在不同领域的广泛应用中。这些问题中的许多都是NP难的，为它们设计有效的启发式方法需要大量的时间、精力和实验。另一方面，行业中的优化问题数量持续增长。近年来，人们探索了机器学习技术来解决这一差距。在本文中，我们提出了一个利用机器学习技术来扩展精确组合优化算法的新框架。与基于深度学习、强化学习和受限Boltzmann机器的现有方法相比，这些方法试图从输入直接学习优化问题的输出（成功率有限），我们的框架学习相对简单的任务，即修剪元素，以减少问题实例的大小。此外，我们的框架仅使用基于直观局部特征的可解释学习模型，因此学习过程提供了对优化问题和实例类的更深入见解，可用于设计更好的启发式。对于经典的最大团枚举问题，我们证明了我们的框架可以剪除大部分输入图（稀疏图中约99%的节点），并且仍然可以检测几乎所有的最大团。总的来说，这使最先进的算法的速度提高了几倍。此外，我们框架中使用的分类模型强调了邻域度的二次方值与最大团中节点的存在在统计上具有显著相关性，特别是在稠密图中，稠密图对现代求解者来说是一个重大挑战。我们利用这一洞察力设计了一种新的启发式算法，我们称之为ALTHEA，用于最大团检测问题，其性能优于最先进的稠密图。

建议引用

  • Juho Lauri&Sourav Dutta&Marco Grassia&Deepak Ajwani，2023年。"学习细粒度搜索空间修剪和启发式组合优化,"启发式杂志Springer，第29卷（2），第313-347页，6月。
    • 手柄：RePEc:spr:joheur:v:29:y:2023:i:2:d:10.1007_s10732-023-09512-z公司
    数字对象标识码：10.1007/s10732-023-09512-z
    作为

    从发布者下载全文

    文件URL: http://link.springer.com/10.1007/s10732-023-09512-z
    文件功能：摘要
    下载限制：访问本系列文章的全文受到限制。
    文件URL: https://libkey.io/10.1007/s10732-023-09512-z？utm_source=ideas
    LibKey链接：如果访问受到限制，并且您的库使用此服务，LibKey会将您重定向到可以使用库订阅访问此项目的位置
    ---><---

    由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。

    IDEAS上列出的参考文献

    作为
    1. Gergely Palla&Imre Derényi&Illés Farkas&Tamás Vicsek，2005年。"揭示自然界和社会中复杂网络的重叠社区结构,"自然《自然》，第435卷（7043），第814-818页，6月。
    2. Azalia Mirhoseini、Anna Goldie、Mustafa Yazgan、Joe Wenjie Jiang、Ebrahim Songhori、Shen Wang、Young-Joon Lee、Eric Johnson、Omkar Pathak、Azade Nazia、Jiwoo Pak、Andy Tong、Kavya Srinivasa，2021年。"一种快速芯片设计的图形布局方法,"自然《自然》，第594卷（7862），第207-212页，6月。
    3. 安德烈亚·洛迪（Andrea Lodi）和朱利亚·扎佩隆（Giulia Zarpellon），2017年。"重聚：关于学习和分支：一项调查,"TOP：西班牙统计与运营研究学会官方期刊，施普林格；7月，第25卷（2），第247-248页。
    4. Renhua Li和Leonie U Hempel&Tingbo Jiang，2015年。"DamID-Seq的非参数峰值调用算法,"PLOS ONE系列，公共科学图书馆，第10卷（3），第1-12页，三月。
    5. Probst，Malte&Rothlauf，Franz&Grahl，Jörn，2017年。"使用受限Boltzmann机器进行组合优化的可扩展性,"欧洲运筹学杂志爱思唯尔，第256（2）卷，第368-383页。
    6. 本吉奥、约书亚和洛迪、安德里亚和普鲁沃斯特、安托万，2021年。"组合优化的机器学习：方法论之旅,"欧洲运筹学杂志爱思唯尔，第290（2）卷，第405-421页。
    7. 弗拉基米尔·博金斯基（Vladimir Boginski）和布滕科（Butenko）、塞尔吉（Sergiy）和帕尔达洛斯（Pardalos）、帕诺斯·M.（Panos M.），2005年。"金融网络的统计分析,"计算统计与数据分析爱思唯尔，第48（2）卷，第431-443页，2月。
    8. 安德烈亚·洛迪（Andrea Lodi）和朱利亚·扎佩隆（Giulia Zarpellon），2017年。"关于学习和分支：一项调查,"TOP：西班牙统计与运营研究学会官方期刊，施普林格；7月，第25（2）卷，第207-236页。
    完整参考文献 （包括与IDEAS上的项目不匹配的项目）

    最相关的项目

    这些是最常引用与本书相同作品的项目，也被与本书同样的作品引用。
    1. 沈云庄&孙，袁&李，肖东&埃伯哈特，安德鲁&恩斯特，安德烈亚斯，2023年。"组合优化的自适应解预测,"欧洲运筹学杂志爱思唯尔，第309卷（3），第1392-1408页。
    2. Yang，Yu&Boland，Natashia&Dilkina，Bistra&Savelsbergh，Martin，2022年。"学习集合覆盖、集合包装和0-1背包问题的广义强分支,"欧洲运筹学杂志爱思唯尔，第301（3）卷，第828-840页。
    3. Bongiovanni、Claudia&Kaspi、Mor&Cordeau、Jean-François&Geroliminis、Nikolas，2022年。"一种机器学习驱动的两阶段元启发式算法在自主共享出行中的应用,"运输研究E部分：物流与运输回顾爱思唯尔，第165（C）卷。
    4. Bissan Ghaddar&Ignacio Gómez-Casares&Julio González-Diaz&Brais Gonzélez-Rodríguez&Beatriz Pateiro-López&Sofía Rodr guez-Balesteros，2023年。"空间分支学习：一种算法选择方法,"信息计算杂志《信息》，第35卷（5），第1024-1043页，9月。
    5. Brais González-Rodríguez&Joaquín Ossorio-Castillo&Julio Gonzélez-Diaz&Angel M.Gonzílez-Lueda&David R.Penas&Diego Rodrígues-Martínez，2023年。"多项式优化的计算进展：RAPOSa，一个免费的全局求解器,"全球优化杂志，施普林格，第85卷（3），第541-568页，3月。
    6. 甘贝拉（Gambella）、克劳迪奥（Claudio）和加达（Ghaddar）、比桑（Bissan）和纳乌姆·萨瓦亚（Naoum-Sawaya）、乔（Joe），2021年。"机器学习的优化问题综述,"欧洲运筹学杂志爱思唯尔，第290（3）卷，第807-828页。
    7. 埃里克·拉森（Eric Larsen）、塞巴斯蒂安·拉查佩尔（Sébastien Lachapelle）、约舒亚·本吉奥（Yoshua Bengio）、艾玛·弗雷金格（Emma Frejinger）、西蒙·拉科斯特（Simon Lacoste-Julien）和安德烈亚·洛。"不完全信息下作战计划问题的战术预测,"信息计算杂志，INFORMS，第34卷（1），第227-242页，1月。
    8. Dimitris Bertsimas&Cheol Woo Kim，2023年。"混合整数凸优化的规定性机器学习方法,"信息计算杂志《信息》，第35卷（6），第1225-1241页，11月。
    9. Yu Yang和Natashia Boland和Martin Savelsbergh，2021。"多变量分支：0-1背包问题案例研究,"信息计算杂志，INFORMS，第33卷（4），第1354-1367页，10月。
    10. 弗朗西斯科·贾拉·莫罗尼（Francisco Jara-Moroni）、约翰·米切尔（John E.Mitchell）、容世鹏（Jong-Shi Pang）和安德烈亚斯·瓦赫特（Andreas Wächter），2020年。"互补约束线性规划的一种改进的逻辑弯曲方法,"全球优化杂志，施普林格，第77卷（4），第687-714页，八月。
    11. 尼古拉·福里安（Nikolaus Furian）、迈克尔·奥沙利文（Michael O'Sullivan）、卡梅隆·沃克（Cameron Walker）和埃兰达·切拉（Eranda Joela），2021年。"基于机器学习的抽样车辆路径问题分支与定价算法,"OR谱：管理中的定量方法，施普林格；Gesellschaft für Operations Research e.V.，第43卷（3），第693-732页，9月。
    12. 本吉奥、约书亚和洛迪、安德里亚和普鲁沃斯特、安托万，2021年。"用于组合优化的机器学习：一种方法论之旅,"欧洲运筹学杂志爱思唯尔，第290（2）卷，第405-421页。
    13. 查利·罗宾逊·拉罗卡（Charly Robinson La Rocca）和珍妮·弗兰（Jean-Fran），索瓦·科尔多（ois Cordeau）和艾玛·弗雷金格（Emma Frejinger），2024年。"SOS1约束下MIP的一站式学习,"SN运营研究论坛，施普林格，第5卷（3），第1-28页，9月。
    14. 郭，薛&李，微博&张，胡&田，天海，2022。"利用股市数据开发关系网络的多类方法,"物理学A：统计力学及其应用爱思唯尔，第585（C）卷。
    15. Christoph Hertrich&Martin Skutella，2023年。"用有界大小的神经网络解背包问题,"信息计算杂志《信息》，第35卷（5），第1079-1097页，9月。
    16. Emilio Carrizosa和Cristina Molero-Río&Dolores Romero Morales，2021年。"分类回归树的数学优化,"TOP：西班牙统计与运营研究学会官方期刊，施普林格；4月，第29卷（1），第5-33页。
    17. Renke Kuhlmann，2019年。"学习掌握非线性内点方法,"欧洲计算优化杂志，施普林格；EURO-欧洲运筹学会协会，第7卷（4），第381-419页，12月。
    18. Dimitris Bertsimas&Bartolomeo Stellato，2022年。"以毫秒为单位的在线混合整数优化,"信息计算杂志《信息》，第34卷（4），第2229-2248页，7月。
    19. 昆汀·卡帕特（Quentin Cappart）、大卫·伯格曼（David Bergman）、路易斯·马丁·卢梭（Louis-Martin Rousseau）、伊莎博·普雷蒙特·施瓦兹（Isabeau Prémont-Schwarz）和奥古斯汀·帕贾迪斯（Augusti。"利用强化学习改进近似决策图的变序,"信息计算杂志《信息》，第34卷（5），第2552-2570页，9月。
    20. 阿林森·S·泽维尔、冯秋和沙比尔·艾哈迈德，2021年。"学习解决大规模安全约束的机组组合问题,"信息计算杂志《信息》，第33卷（2），第739-756页，5月。

    更正

    本网站上的所有材料均由各自的出版商和作者提供。你可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:spr:joheur:v:29:y:2023:i:2:d:10.1007_s10732-023-09512-z公司。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    如果CitEc公司识别了书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是该项目的注册作者，您可能还想查看您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关本项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Sonal Shukla或Springer Nature Abstracting and Indexing（以下电子邮件可用）。供应商的一般联系方式：http://www.springer.com网站.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    思想是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。