改进分支定界 MDD 求解器的过滤（扩展版）
人工智能
2021-04-27 v1
摘要
本文提出并评估了两种剪枝技术，以增强基于多值决策图（MDD）的约束优化求解器的效率。它采用了 Bergman 等人于 2016 年提出的分支定界框架，以最优方式求解动态规划问题。具体而言，我们的论文提出并评估了局部界（LocB）和粗略上界剪枝（RUB）的有效性。LocB 是一种新颖且有效的规则，利用近似 MDD 结构来避免对非感兴趣节点的探索。RUB 是一种在开发有界宽度 MDD 过程中缩减搜索空间的规则。我们在最大独立集问题（MISP）、最大割问题（MCP）、最大 2 可满足性（MAX2SAT）以及带时间窗旅行商问题（TSPTW）上进行的实验研究表明，粗略上界和局部界剪枝对基于分支定界与 MDD 的优化求解器有显著影响。特别地，研究表明 RUB 取得了优异结果，但在定义模型时需要一定工作量。此外，研究表明 LocB 可自动提供显著改进，且无需任何用户提供的信息。最后，研究还表明粗略上界与局部界剪枝并非互斥，其组合收益超过了单独使用每种技术的收益。
引用
@article{arxiv.2104.11951,
title = {Improving the filtering of Branch-And-Bound MDD solver (extended)},
author = {Xavier Gillard and Vianney Coppé and Pierre Schaus and André Augusto Cire},
journal= {arXiv preprint arXiv:2104.11951},
year = {2021}
}