用图上的大型斯坦纳树问题求解高性价比光纤到户网络扩展
人工智能
2021-11-25 v2 机器学习
神经与进化计算
摘要
光纤到户（FTTH）网络扩展因昂贵的挖掘工程而产生高额成本。因此优化规划流程并最小化土方挖掘成本可带来巨大节省。在数学上，FTTH网络问题可描述为最小斯坦纳树问题。尽管斯坦纳树问题在过去几十年已被深入研究，但仍可借助新计算范式与新兴方法进一步优化。本研究探讨量子退火、模拟退火及受自然启发的方法（如进化算法或基于黏菌的优化）等新兴技术。此外，我们研究划分与简化方法。在多个真实问题实例上的评估表明，我们在大多数域上优于传统且广泛使用的基线（NetworkX近似求解器）。初始图的预先划分与所提出的基于黏菌的方法对高性价比近似尤为有价值。量子退火看似前景可期，但受限于可用量子比特数。
引用
@article{arxiv.2109.10617,
title = {Solving Large Steiner Tree Problems in Graphs for Cost-Efficient Fiber-To-The-Home Network Expansion},
author = {Tobias Müller and Kyrill Schmid and Daniëlle Schuman and Thomas Gabor and Markus Friedrich and Marc Geitz},
journal= {arXiv preprint arXiv:2109.10617},
year = {2021}
}
备注
Accepted at ICAART 2022, 10 pages, 18 figures