combinatorial optimization

5 items

RESEARCHarXiv CS.LG·il y a 15j

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

Les chercheurs proposent WeCon, un solveur neuronal efficace conditionné par le poids pour les Problèmes d'Optimisation Combinatoire Multi-Objectifs (MOCOPs). Il améliore la modélisation du contexte conditionné par le poids et l'optimisation des préférences, abordant les limites des méthodes existantes en matière d'injection de poids et de construction de paires de solutions pour l'entraînement.

neural networks Optimization machine learning AI

RESEARCHarXiv CS.CL·06/04/2026

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·16/04/2026

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

Cette recherche étudie la planification des satellites d'observation de la Terre avec des contraintes opérationnelles inconnues, qui doivent être apprises de manière interactive à partir d'un oracle binaire. Elle introduit le Conservative Constraint Acquisition (CCA), une procédure spécifique au domaine, pour identifier efficacement les contraintes justifiées dans un modèle simplifié.

Optimization machine learning Constraint Acquisition satellite scheduling

RESEARCHarXiv CS.AI·il y a 29j

Fast and Effective Redistricting Optimization via Composite-Move Tabu Search

Cette recherche introduit un algorithme de recherche Tabu à mouvement composite (CM-Tabu) conçu pour une optimisation rapide et efficace de la redistribution spatiale. Il aborde la contrainte de contiguïté en élargissant l'espace de voisinage réalisable pour inclure des mouvements composites, assurant une meilleure exploration et empêchant la recherche de se bloquer dans de mauvais optima locaux.

Optimization Redistricting Tabu Search combinatorial optimization

RESEARCHarXiv CS.AI·il y a 12j

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

DynaSchedBench est un nouveau cadre de diagnostic pour le Problème d'Ordonnancement d'Atelier Flexible Dynamique (DFJSP), qui répond aux limitations de l'optimisation combinatoire neuronale. Il utilise un Calibrateur Séquentiel d'Espace d'Événements (SESC) et un Indice de Stress d'Ordonnancement (SSI) pour contrôler rigoureusement la génération d'instances et stratifier la difficulté. Cette méthode s'avère plus efficace que les références évolutives, permettant des tests rigoureux des agents d'ordonnancement basés sur les LLM.

DFJSP Benchmarking combinatorial optimization scheduling