×
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。