李孟;塞巴斯蒂安·旺德尔特;蔡凯泉;孙晓倩 枢纽位置问题的机器学习增强方法。 (英语) Zbl 07706710号 计算。操作。物件。 154,文章ID 106188,25 p.(2023). 摘要:为了降低成本,物流和运输行业广泛分析了枢纽选址问题。本文提出了一种新的基于机器学习的算法框架,以提高大型实例中枢纽选址问题的求解质量。首先,开发了一种基于深度学习的概率中心秩(DLHr)来确定节点作为中心的优先级。接下来,开发了两种基于节点排名的方法DL-CBS和DL-GVNS,以增加单个分配中心位置问题的DLHr。DL-CBS是一种将DLHr排序嵌入到基于聚类的潜在中心集算法(CBS)中的增强算法,而DL-GVNS将DLHr-排序嵌入到一般可变邻域搜索(GVNS)中。数值结果表明,DLHr在节点排名任务上优于基线,并有助于识别潜在的中心。对大量实验的评估表明,与普通CBS和GVNS相比,DL-CBS和DL-GVNS提高了单个分配中心选址问题的求解质量,表明DLHr排名有助于提高传统启发式算法的性能。 MSC公司: 900亿 运筹学与管理科学 关键词:集线器位置问题;机器学习;多图;图形神经网络;节点排名 软件:神经卫星;哈比;GNN解释人 PDF格式BibTeX公司 XML格式引用 \textit{M.Li}等人,计算。操作。第154号决议,文章ID 106188,25页(2023;Zbl 07706710) 全文: 内政部 参考文献: [1] Alumur,S。;Kara,B.Y.,《网络中心位置问题:最新进展》,《欧洲J.Oper》。第190、1、1-21号决议(2008年)·Zbl 1146.90455号 [2] Alumur,S.A。;卡拉,B.Y。;Karasan,O.E.,《单一分配不完全枢纽网络的设计》,交通。B号决议,43、10、936-951(2009年) [3] Alumur,S.A。;镍,S。;Saldanha-da Gama,F.,《不确定性下的枢纽位置》,交通部。B号决议,46、4、529-543(2012年) [4] Anderson,J.E.,《重力模型》,年。经济评论。,3, 1, 133-160 (2011) [5] 北阿齐兹。;Chauhan,S。;Salhi,S。;Vidyarthi,N.,《集线器网络中集线器故障的影响:数学公式和解决方法》,计算。操作。第65174-188号决议(2016年)·兹比尔1349.90069 [6] 巴尔达萨雷,F。;Azizpour,H.,图卷积网络的解释技术(2019),arXiv预印本arXiv:1905.13686 [7] 贝洛,I。;Pham,H。;Le,Q.V。;诺鲁齐,M。;Bengio,S.,《强化学习的神经组合优化》(2016),arXiv预印本arXiv:1611.09940 [8] Y.本吉奥。;Lodi,A。;Prouvost,A.,《组合优化的机器学习:方法论之旅》,欧洲期刊Oper。决议(2020年)·Zbl 1487.90541号 [9] Bezerra,S.N。;Souza,M.J.F。;de Souza,S.R.,一种基于可变邻域搜索的自适应局部搜索算法,用于解决具有时间窗口和多站点的车辆路径问题,旨在减少车队,计算。操作。第149号决议,第106016条,pp.(2023)·Zbl 1520.90018号 [10] 博纳米,P。;Lodi,A。;Zarpellon,G.,学习混合整数二次规划问题的分类,(约束规划、人工智能和运筹学集成国际会议(2018),Springer),595-604·Zbl 1511.90304号 [11] 蔡,K。;李,Y。;方,Y.-P。;Zhu,Y.,《通过时间演化图预测航班延误的深度学习方法》,IEEE Trans。智力。运输。系统。(2021) [12] 校准k,H。;Alumur,S.A。;卡拉,B.Y。;Karasan,O.E.,一种基于禁忌搜索的启发式算法,用于不完全枢纽网络上的枢纽覆盖问题,计算。操作。第36、12、3088-3096号决议(2009年)·Zbl 1177.90201号 [13] 卡梅伦,C。;陈,R。;Hartford,J。;Leyton-Brown,K.,通过端到端学习预测命题可满足性,(AAAI人工智能会议论文集,第34卷(2020年)),3324-331 [14] Campbell,J.F.,离散枢纽位置问题的整数规划公式,欧洲期刊Oper。研究,72,2387-405(1994)·Zbl 0790.90048号 [15] 坎贝尔,J.F。;O'Kelly,M.E.,交通部枢纽位置研究25年。科学。,46, 2, 153-169 (2012) [16] Cappart,Q。;Chételat,D。;Khalil,E。;Lodi,A。;莫里斯,C。;Velićković,P.,用图神经网络进行组合优化和推理(2021),arXiv预印本arXiv:2102.09544 [17] 切蒂纳,S.,《邮政递送系统的迭代枢纽位置和路由问题》(2003),Citeser,(博士论文) [18] 陈,X。;Tian,Y.,学习为组合优化执行局部重写,高级神经网络信息过程。系统。,32 (2019) [19] Cho,K。;Van Merriënboer,B。;古尔塞,C。;巴达瑙,D。;布加尔斯,F。;施温克,H。;Bengio,Y.,《使用RNN编码器-解码器进行统计机器翻译的学习短语表示》(2014),arXiv预印本arXiv:1406.1078 [20] 孔特雷拉斯,I。;迪亚斯,J.A。;Fernández,E.,单任务容量受限枢纽选址问题的拉格朗日松弛,OR Spectrum,31,3,483-505(2009)·Zbl 1163.90617号 [21] Dai,W。;张杰。;太阳,X。;Wandelt,S.,HUBBI:不完全枢纽位置问题的迭代网络设计,计算。操作。决议,104,394-414(2019)·Zbl 1458.90425号 [22] 段,L.,詹,Y.,胡,H.,龚,Y.Wei,J.,Zhang,X.,Xu,Y.2020年。有效解决实际车辆路径问题:一种新的联合学习方法。摘自:第26届ACM SIGKDD知识发现与数据挖掘国际会议论文集。第3054-3063页。 [23] Ebery,J。;克里希那穆尔蒂,M。;安永会计师事务所。;Boland,N.,《容量受限的多配送中心选址问题:公式和算法》,欧洲期刊Oper。决议,120,3614-631(2000)·Zbl 0985.90063号 [24] 安永会计师事务所。;Krishnamoorthy,M.,无容量单一分配p-hub中值问题的高效算法,Locat。科学。,4, 3, 139-154 (1996) ·Zbl 0927.90065号 [25] 安永会计师事务所。;Krishnamoorthy,M.,容量单分配集线器位置问题的解决算法,Ann.Oper。研究,86,141-159(1999)·Zbl 0918.90096号 [26] Fan,C.、Zeng,L.、Ding,Y.、Chen,M.、Sun,Y.和Liu,Z.,2019年。学习从头开始识别高介数中心节点:一种新的图形神经网络方法。摘自:第28届ACM信息和知识管理国际会议记录。第559-568页。 [27] 加尔,E。;Sinnl,M.,用图卷积网络解决顶点中心问题的实验(2021),arXiv预印本arXiv:2106.00357 [28] 盖塞,M。;Chételat,D。;Ferroni,N。;查林,L。;Lodi,A.,图卷积神经网络精确组合优化(2019),arXiv预印本arXiv:1906.01629 [29] Gevrey先生。;Dimopoulos,I。;Lek,S.,《人工神经网络模型中变量贡献研究方法的回顾与比较》,Ecol。型号。,160, 3, 249-264 (2003) [30] Ghaffarinasab,N。;Kara,B.Y.,单配送中心选址问题的两种变体的Benders分解算法,Netw。小争吵。经济学。,19, 1, 83-108 (2019) ·Zbl 1514.90150号 [31] Hamilton,W.L.,Ying,R.,Leskovec,J.,2017年。大型图的归纳表示学习。摘自:第31届神经信息处理系统国际会议论文集。第1025-1035页。 [32] 霍夫,A。;佩罗,J。;阿拉巴马州科尔伯兰。;Martí,R.,容量受限模块化枢纽选址问题的启发式,计算。操作。决议,86,94-109(2017)·Zbl 1391.90382号 [33] Hottung,A。;田中,S。;Tierney,K.,集装箱预编组问题的深度学习辅助启发式树搜索,计算。操作。第113号决议,第104781条,pp.(2020)·Zbl 1458.90436号 [34] 伊里奇,A。;乌洛舍维奇,D。;Brimberg,J。;Mladenović,N.,求解无容量单分配p-hub中值问题的一般变量邻域搜索,European J.Oper。第206、2、289-300号决议(2010年)·Zbl 1188.90142号 [35] Joshi,C.K。;Cappart,Q。;卢梭,L.-M。;Laurent,T.,学习旅行推销员问题需要重新思考概括,约束,1-29(2022)·Zbl 1495.90156号 [36] Joshi,C.K.,Laurent,T.,Bresson,X.,2019年。求解旅行商问题的一种有效的图卷积网络技术。In:INFORMS年会。 [37] Khalil,E。;戴,H。;Zhang,Y。;Dilkina,B。;Song,L.,学习图上的组合优化算法,高级神经信息处理。系统。,30 (2017) [38] Kipf,T.N。;Welling,M.,图卷积网络的半监督分类(2016),arXiv预印本arXiv:16090.2907 [39] Kool,W.,Van Hoof,H.,Welling,M.,2019年。注意,学会解决路由问题!。参加:学习代表国际会议。 [40] Kratica,J。;Stanimirović,Z。;托希奇,D。;Filipović,V.,解决无容量单一分配p-hub中值问题的两种遗传算法,欧洲期刊Oper。第182、1、15-28号决议(2007年)·Zbl 1128.90038号 [41] Kruber,M。;Lübbecke,M.E。;Parmentier,A.,学习何时使用分解,(组合优化问题约束编程AI和OR技术国际会议(2017),Springer),202-210·Zbl 1489.68253号 [42] Lei,K。;郭,P。;Wang,Y。;吴,X。;Zhao,W.,用剩余边图注意力神经网络解决路由问题,神经计算,508,79-98(2022) [43] 李,X。;Ouyang,Y.,相关概率中断下可靠设施位置设计的连续近似方法,交通。B号决议,44、4、535-548(2010年) [44] 刘姆,A.-G。;Crainic,T.G。;Wallace,S.W.,《服务网络设计中需求随机性的研究》,交通。科学。,43, 2, 144-157 (2009) [45] Lu,H.,Zhang,X.,Yang,S.,2019年。一种基于学习的求解车辆路径问题的迭代方法。参加:学习代表国际会议。 [46] 马云(Ma,Y.)。;李,J。;曹,Z。;Song,W。;张,L。;陈,Z。;Tang,J.,《学习使用双视角协同变换器迭代求解路由问题》,高级神经网络信息处理。系统。,34, 11096-11107 (2021) [47] Mazyavkina,北卡罗来纳州。;斯维里多夫,S。;伊万诺夫,S。;Burnaev,E.,《组合优化的强化学习:调查》,《计算》。操作。第134号决议,第105400条pp.(2021)·Zbl 1511.90356号 [48] Meier,J.F。;Clausen,U.,解决欧几里德数据上的单一分配中心位置问题,Transp。科学。,52, 5, 1141-1155 (2018) [49] Mikić,M。;托多西耶维奇,R。;Urošević,D.,《少即是多:容量受限模块化枢纽选址问题的通用变量邻域搜索》,计算。操作。决议,110,101-115(2019)·Zbl 1458.90448号 [50] 纳扎里,M。;奥罗伊卢伊,A。;斯奈德,L。;Takác,M.,解决车辆路径问题的强化学习,高级神经信息处理。系统。,31 (2018) [51] d O.Costa,P.R。;Rhuggenaath,J。;Zhang,Y。;Akcay,A.,通过深度强化学习学习旅行推销员问题的2-opt启发式,(亚洲机器学习会议(2020),PMLR),465-480 [52] O'kelly,M.E.,《互动枢纽设施的位置》,交通。科学。,20, 2, 92-106 (1986) [53] O'kelly,M.E.,交互枢纽设施位置的二次整数规划,欧洲J.Oper。研究,32,3,393-404(1987)·Zbl 0627.90030号 [54] 奥利维拉,F.A。;de Sá,E.M。;de Souza,S.R.,Benders分解应用于不完全枢纽网络的利润最大化枢纽选址问题,计算。操作。第142号决议,第105715条pp.(2022)·Zbl 1511.90287号 [55] Peker,M。;卡拉,B.Y。;坎贝尔,J.F。;Alumur,S.A.,单一配送中心选址问题的空间分析,Netw。小争吵。经济学。,16, 4, 1075-1101 (2016) ·Zbl 1364.90194号 [56] Pirkul,H。;Schilling,D.A.,设计单一分配中心辐射系统的有效程序,管理。科学。,44,第2部分第12部分,S235-S242(1998)·Zbl 0989.90537号 [57] Quesnel,F。;Wu,A。;Desaulniers,G。;Soumis,F.,《基于深度学习的个性化船员排班分支定价算法中的部分定价》,Compute。操作。第138号决议,第105554条pp.(2022)·Zbl 1511.90208号 [58] 罗斯塔米,B。;北卡罗来纳州卡默林。;Buchheim,C。;Clausen,U.,《枢纽故障下可靠的单一分配枢纽选址问题》,计算。操作。决议,96,15-29(2018)·Zbl 1458.90455号 [59] de Sá,E.M。;莫拉比托,R。;de Camargo,R.S.,Benders分解应用于鲁棒多分配不完全轮毂位置问题,计算。操作。Res.,89,31-50(2018)·兹比尔1391.90386 [60] 塞尔萨姆,D。;拉姆,M。;Bünz,B。;梁,P。;de Moura,L。;Dill,D.L.,《从单位监管中学习SAT解算器》(2018),arXiv预打印arXiv:1802.03685 [61] Silva,M.R。;Cunha,C.B.,针对无容量的单一分配中心位置问题的新的简单高效启发式,计算。操作。研究,36,12,3152-3165(2009)·Zbl 1177.90255号 [62] 斯科林·卡波夫,D。;Skorin-Kapov,J.,On-tabu搜索交互中心设施的位置,欧洲J.Oper。研究,73,3,502-509(1994)·Zbl 0806.90075号 [63] 孙,Y。;李,X。;Ernst,A.,《使用统计方法和机器学习进行图形简化以解决最大权重团问题》,IEEE Trans。模式分析。机器。智力。,43, 5, 1746-1760 (2019) [64] 孙,Y。;王,S。;沈毅。;李,X。;安永会计师事务所。;Kirley,M.,通过解决方案预测和机器学习推进蚁群优化,计算。操作。决议,第105769条,pp.(2022)·Zbl 1511.90365号 [65] 葡萄酒,O。;福图纳托,M。;Jaitly,N.,指针网络(2015),arXiv预打印arXiv:1506.03134 [66] Vu,M.N。;Thai,M.T.,Pgm-explainer:图形神经网络的概率图形模型解释(2020),arXiv预印本arXiv:2010.05788 [67] Wandelt,S.等人。;Dai,W。;张杰。;赵(Q.Zhao)。;Sun,X.,基于收缩的枢纽位置问题的一种高效且可扩展的方法,计算。Ind.Eng.,151,第106955条pp.(2021) [68] 王,Q。;Tang,C.,运输网络组合优化的深度强化学习:调查,知识-基于系统。,233,第107526条pp.(2021) [69] Werbos,P.,Beyond Regression:“行为科学中预测和分析的新工具(1974),哈佛大学(博士论文) [70] Xu,Y。;方,M。;Chen,L。;徐,G。;杜,Y。;Zhang,C.,解决车辆路径问题的多关系关注强化学习,IEEE Trans。赛博。(2021) [71] Xu,K。;李,C。;田,Y。;索诺贝,T。;Kawarabayashi,K.-i。;Jegelka,S.,带跳跃知识网络的图的表示学习,(机器学习国际会议(2018),PMLR),5453-5462 [72] Ying,R。;Bourgeois,D。;你,J。;Zitnik,M。;Leskovec,J.,Gnnexplainer:为图形神经网络生成解释,高级神经信息处理。系统。,329240(2019) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。