2022年10月8日のブックマーク (2件)

  • 巡回セールスマン問題(TSP)の基本的な解き方(ILS) | フューチャー技術ブログ

    SAIGアルバイトの後藤です。業務では、アルゴリズムの知識を用いた既存処理の高速化やスケジュールの自動作成による業務の効率化を行っています。 配送計画問題など、最適化問題に属する社会課題は、部分問題に巡回セールスマン問題(TSP: Travelling Salesman Problem)を含むことが少なくありません。したがってTSPの基的なアプローチを知っていることは重要です。TSPは組合せ最適化の代表的な問題として古くから様々なアプローチが試みられており、記事は専門家の方にとっては既知の内容だと思いますが改めて紹介します。この記事では、2/3-optの焼きなまし法(SA: Simulated Annealing)より良い解法として2/3-optの反復局所探索法(ILS: Iterated Local Search)を紹介します(競技プログラマへ: TSPは焼きなましより山登り + K

    巡回セールスマン問題(TSP)の基本的な解き方(ILS) | フューチャー技術ブログ
  • 貪欲法、山登り法、焼きなまし、ビームサーチ、これらの間の関係について

    概要 マラソンマッチにおける有力なアルゴリズムとして焼きなましとビームサーチがある。 たいていの問題においてこのどちらかのうちより適切な方を実装すれば上位が得られることや、性質や実装の仕方が異なることから、これらの関係は二項対立のようにして理解されている。 しかしこのふたつのアルゴリズムがどちらも貪欲法の延長にあることも知られている。 この記事では、貪欲法を中心に整理して焼きなましとビームサーチの二項対立の構図は適切でないことを示す。 特に、これらの差異が状態空間の間のグラフが有向であるか無向であるかのみであることを明らかにし、下図のような形で整理する。 またその系として、焼きなましとビームサーチの間で互いに知見を流用できることを説明する。 <?xml version=”1.0” encoding=”UTF-8”?> 状態のグラフが有向 状態のグラフが無向 貪欲 / 山登り ビームサーチ