Randomized heuristic repair for large-scale multidimensional knapsack problem

要約

多次元ナップザック問題 (MKP) は、NP 困難な組み合わせ最適化問題であり、その解決策は、容量制約に違反しない最大総利益項目のサブセットを決定することです。
大規模な MKP インスタンスはその困難さのため、通常、効果的な実現可能性維持戦略が重要となるメタヒューリスティックの対象となります。
1998 年に、Chu と Beasley は、最近のメタヒューリスティックに依然として関連する効果的なヒューリスティック修復を提案しました。
ただし、その決定論的な性質により、このようなヒューリスティックが提供するソリューションの多様性は、長期実行には不十分です。
その結果、新しい解決策の模索はしばらくすると中止されます。
この論文では、品質を低下させることなく修復されたソリューションの変動性を高め、全体的な結果を向上させる、ヒューリスティック修復のための効率ベースのランダム化戦略を提案します。

要約(オリジナル)

The multidimensional knapsack problem (MKP) is an NP-hard combinatorial optimization problem whose solution is determining a subset of maximum total profit items that do not violate capacity constraints. Due to its hardness, large-scale MKP instances are usually a target for metaheuristics, a context in which effective feasibility maintenance strategies are crucial. In 1998, Chu and Beasley proposed an effective heuristic repair that is still relevant for recent metaheuristics. However, due to its deterministic nature, the diversity of solutions such heuristic provides is insufficient for long runs. As a result, the search for new solutions ceases after a while. This paper proposes an efficiency-based randomization strategy for the heuristic repair that increases the variability of the repaired solutions without deteriorating quality and improves the overall results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google