combinatorial optimization

5 items

RESEARCHarXiv CS.LG·hace 15d

WeCon: An Efficient Weight-Conditioned Neural Solver for Multi-Objective Combinatorial Optimization Problems

Investigadores proponen WeCon, un solucionador neuronal eficiente condicionado por pesos para Problemas de Optimización Combinatoria Multi-Objetivo (MOCOPs). Mejora el modelado de contexto condicionado por pesos y la optimización de preferencias, abordando las limitaciones de los métodos existentes en la inyección de pesos y la construcción de pares de soluciones para el entrenamiento.

neural networks Optimization machine learning AI

RESEARCHarXiv CS.CL·6/4/2026

Principled and Scalable Diversity-Aware Retrieval via Cardinality-Constrained Binary Quadratic Programming

Este trabalho propõe uma formulação rigorosa para a recuperação consciente da diversidade em Geração Aumentada por Recuperação (RAG), abordando a falta de garantias teóricas e escalabilidade dos métodos existentes. A solução utiliza programação quadrática binária com restrição de cardinalidade (CCBQP) e um algoritmo baseado em Frank-Wolfe, demonstrando desempenho superior na fronteira de Pareto de relevância-diversidade e maior velocidade.

Retrieval Augmented Generation Scalability Diversity-aware Retrieval Binary Quadratic Programming

RESEARCHarXiv CS.AI·16/4/2026

Optimizing Earth Observation Satellite Schedules under Unknown Operational Constraints: An Active Constraint Acquisition Approach

Este estudio aborda la programación de satélites de Observación de la Tierra bajo restricciones operativas desconocidas, las cuales deben aprenderse interactivamente de un oráculo binario. Se introduce el Conservative Constraint Acquisition (CCA), un procedimiento específico de dominio, para identificar eficientemente restricciones justificadas en un modelo simplificado.

Optimization machine learning Constraint Acquisition satellite scheduling

RESEARCHarXiv CS.AI·hace 29d

Fast and Effective Redistricting Optimization via Composite-Move Tabu Search

Esta investigación presenta un algoritmo de búsqueda Tabu de movimiento compuesto (CM-Tabu) diseñado para una optimización rápida y efectiva de la redistribución espacial. Aborda la restricción de contigüidad expandiendo el espacio de vecindad factible para incluir movimientos compuestos, asegurando una mejor exploración y evitando que la búsqueda quede atrapada en óptimos locales deficientes.

Optimization Redistricting Tabu Search combinatorial optimization

RESEARCHarXiv CS.AI·hace 12d

DynaSchedBench: Calibrated Dynamic Scheduling Benchmarks and Observability Paradox in LLM-based Scheduling Agents

DynaSchedBench es un nuevo marco de diagnóstico para el Problema de Programación de Taller Flexible Dinámico (DFJSP), que aborda las limitaciones en la optimización combinatoria neural. Utiliza un Calibrador Secuencial de Espacio de Eventos (SESC) y un Índice de Estrés de Programación (SSI) para controlar rigurosamente la generación de instancias y estratificar la dificultad. Este método demuestra ser más eficiente que las líneas base evolutivas, permitiendo pruebas rigurosas de agentes de programación basados en LLM.

DFJSP Benchmarking combinatorial optimization scheduling