view in publisher's site

Multi-Objective Large Neighborhood Search

Large neighborhood search (LNS) [25] is a framework that combines the expressiveness of constraint programming with the efficiency of local search to solve combinatorial optimization problems. This paper introduces an extension of LNS, called multi-objective LNS (MO-LNS), to solve multi-objective combinatorial optimization problems ubiquitous in practice. The idea of MO-LNS is to maintain a set of nondominated solutions rather than just one best-so-far solution. At each iteration, one of these solutions is selected, relaxed and optimized in order to strictly improve the hypervolume of the maintained set of nondominated solutions. We introduce modeling abstractions into the OscaR solver for MO-LNS and show experimentally the efficiency of this approach on various multi-objective combinatorial optimization problems.

جستجوی همسایگی بزرگ چند هدفه

جستجوی همسایگی بزرگ (LNS)[ ۲۵ ] چارچوبی است که بیان برنامه‌نویسی محدودیت را با کارایی جستجوی محلی برای حل مسائل بهینه‌سازی ترکیبی ترکیب می‌کند. این مقاله یک تعمیم از LNS، به نام LNS چند منظوره (MO - LNS)، برای حل مسائل بهینه‌سازی ترکیبی چند منظوره که در همه جا حاضر هستند، معرفی می‌کند. ایده MO - LNS حفظ مجموعه‌ای از راه‌حل‌های غیر غالب به جای تنها یک راه‌حل بهترین - تاکنون است. در هر تکرار، یکی از این راه‌حل‌ها انتخاب، استراحت و بهینه‌سازی می‌شود تا به شدت حجم بالای مجموعه جواب‌های غیر غالب نگهداری شده را بهبود بخشد. ما انتزاع‌های مدل‌سازی شده را در حل‌کننده oscaR برای MO - LNS معرفی می‌کنیم و به طور تجربی کارایی این روش را در مسائل بهینه‌سازی ترکیبی چند منظوره مختلف نشان می‌دهیم.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.