JPH10293756A - Combination optimizing method - Google Patents
Combination optimizing methodInfo
- Publication number
- JPH10293756A JPH10293756A JP11617397A JP11617397A JPH10293756A JP H10293756 A JPH10293756 A JP H10293756A JP 11617397 A JP11617397 A JP 11617397A JP 11617397 A JP11617397 A JP 11617397A JP H10293756 A JPH10293756 A JP H10293756A
- Authority
- JP
- Japan
- Prior art keywords
- function
- search
- solution
- adjacent
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000002922 simulated annealing Methods 0.000 claims abstract description 15
- 238000007796 conventional method Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、組合せ最適化方法
に関し、特に、生産計画の最適化問題やＬＳＩ内部の配
置配線問題、経路の最小化問題など、多くの組み合せ最
適化問題の解決に適用して好適とされる方法に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a combination optimization method, and more particularly to a method for solving many combination optimization problems such as a problem of optimizing a production plan, a problem of placement and routing in an LSI, and a problem of minimizing a route. And the preferred method.
【０００２】[0002]
【従来の技術】通常のシミュレーテッドアニーリング法
は、例えばＫｉｒｋｐａｔｒｉｃｋ，Ｇｅｌａｔｔ，Ｖ
ｅｃｃｈｉらによる文献（“Ｏｐｔｉｍｉｚａｔｉｏｎ
ｂｙＳｉｍｕｌａｔｅｄ Ａｎｎｅａｌｉｎｇ”，Ｓ
ｃｉｅｎｃｅ，Ｖｏｌ．２２０（１９８３），ｐｐ．６
７１〜６８０）等に記載されているように、与えられた
集合Ｓの要素の中で、目的関数ｆ（ｘ）を最小にする要
素ｘを求めるために、温度と呼ばれる変数Ｔの値を徐々
に下げながら集合Ｓの中を確率的に探索する方法であ
る。2. Description of the Related Art An ordinary simulated annealing method is described in, for example, Kirkpatrick, Gelatt, V
ecchi et al. (“Optimization”
by Simulated Annealing ", S
science, Vol. 220 (1983), p. 6
71 to 680), in order to find an element x that minimizes the objective function f (x) among the elements of a given set S, the value of a variable T called temperature is gradually increased. Is a method of probabilistically searching the set S while lowering the value.
【０００３】探索には、集合Ｓの中の適当な要素ｘに注
目し、その近傍の要素ｘ′（隣接解）を無作為に選び、
ｘ及びｘ′の目的関数を比較し、ｘ′の方が良ければ
（小さければ）注目要素をｘ′に変更する。また、ｘ′
の方が悪い場合には、ある確率で注目要素をｘ′に変更
する。この確率は、ｘ及びｘ′の目的関数値の差および
温度によって決定される。ｘ及びｘ′の目的関数値の差
が大きい程その確率は小さくなる。同様に、温度が低い
程その確率は小さくなる。探索処理は、十分高い温度か
ら始められ、徐々に低い温度へと下げられる。In the search, attention is paid to an appropriate element x in the set S, and an element x '(adjacent solution) in the vicinity is randomly selected.
The objective functions of x and x 'are compared, and if x' is better (smaller), the target element is changed to x '. Also, x '
Is worse, the element of interest is changed to x 'with a certain probability. This probability is determined by the difference between the objective function values of x and x 'and the temperature. The greater the difference between the objective function values of x and x ', the smaller the probability. Similarly, the lower the temperature, the lower the probability. The search process starts at a sufficiently high temperature and is gradually reduced to a lower temperature.
【０００４】通常、注目している解ｘに対して、隣接解
ｘ′を生成するために、隣接解生成関数ｆ1（ｘ），ｆ2
（ｘ），…，ｆn（ｘ）を用意し、その中のひとつを確
率的に選択する。各関数が選択される確率は、確率分布
ｐk（ｋ＝１，２，…，ｎ）に従う。選ばれた関数をｘ
に対して適用し、ｘ′が生成される。Normally, to generate an adjacent solution x 'for a solution x of interest, an adjacent solution generation function f 1 (x), f 2
(X),..., F n (x) are prepared, and one of them is selected stochastically. The probability that each function is selected follows a probability distribution p k (k = 1, 2,..., N). Let x be the chosen function
And x 'is generated.
【０００５】一般に、シミュレーテッドアニーリング法
による探索では、探索の初期の段階では、探索領域全体
を見渡して、目的関数の値が良い解の存在しそうな領域
に絞り込む作業を行い、その絞り込みが進むにつれて、
次第に、より丹念に、その近傍の探索を行うようにな
る。従って、探索前半は、探索空間内を大きく移動する
ことが重要であるのに対し、探索後半では、ある一定の
領域近傍を隅なく調査することが重要となる。In general, in the search by the simulated annealing method, in the initial stage of the search, an operation of looking over the entire search region and narrowing down to a region where the value of the objective function is likely to be a good solution is performed. ,
Gradually, the search for the vicinity is performed more carefully. Therefore, in the first half of the search, it is important to largely move in the search space, whereas in the second half of the search, it is important to investigate the vicinity of a certain area without any corners.
【０００６】しかし、従来の方法では、探索過程を通し
て、各隣接解生成関数ｆk（ｘ）の選択確率ｐkは、固定
されているため、探索処理を通して、各隣接解生成関数
は、同じ確率で選択されることになる。However, in the conventional method, through the search process, the selection probability p k of each adjacent solution generating function f k (x), because it is fixed, through the search process, the adjacent solution generating function, the same probability Will be selected.
【０００７】なお、組合せ最適化問題を解決する方法と
して、例えば特開平５−１２８０９３号公報に記載され
ているように、与えられた問題を制約充足問題として定
式化してシンプレックス法を用いて解決する方式が提案
されているが、与えられた問題が必ずしも制約充足問題
として定式化できるという保証はないため、一般的では
ない。As a method of solving the combination optimization problem, for example, as described in Japanese Patent Laid-Open No. 5-128093, a given problem is formulated as a constraint satisfaction problem and solved using the simplex method. Although a method has been proposed, it is not general because there is no guarantee that a given problem can always be formulated as a constraint satisfaction problem.
【０００８】一方、シミュレーテッドアニーリング法
は、任意の組合せ最適化問題を対象とした方式であり、
応用範囲が広い。On the other hand, the simulated annealing method is a method intended for an arbitrary combinational optimization problem.
Wide application range.
【０００９】このシミュレーテッドアニーリング法にお
ける探索の効率化方式として、例えば特開平２−２１４
９７１号公報には、評価項目の重み係数の値としてどの
ような係数の組が適切であるかを試行により決定する方
式を採用した方式が提案されている。しかし、この公報
記載の組合せ最適化方式では、上記した隣接解生成関数
の選択確率の制御は行っていない。As a method of improving the efficiency of the search in the simulated annealing method, for example, Japanese Patent Application Laid-Open No. 2-214
Japanese Patent Application Laid-Open No. 971 proposes a method that employs a method of determining what combination of coefficients is appropriate as a value of a weight coefficient of an evaluation item by trial. However, the combination optimization method described in this publication does not control the selection probability of the adjacent solution generation function described above.
【００１０】このように、従来のシミュレーテッドアニ
ーリング法においては、処理の最初から最後まで、同じ
確率分布ｐkを用いて、隣接解生成関数を選択するしく
みとなっている。図３は、この従来のシミュレーテッド
アニーリング方式の構成を説明するための図である。探
索実行部１０４は、隣接解生成関数ｆk（ｘ）の評価値
格納部１０１に格納された固定確率分布を参照する。[0010] Thus, in the conventional simulated annealing method, from the first processing to the end, using the same probability distribution p k, has a mechanism for selecting the adjacent solution generating function. FIG. 3 is a diagram for explaining the configuration of the conventional simulated annealing method. The search execution unit 104 refers to the fixed probability distribution stored in the evaluation value storage unit 101 of the adjacent solution generation function f k (x).
【００１１】[0011]
【発明が解決しようとする課題】ところで、上記した従
来の方法のように、各隣接解生成関数を選択する確率
を、定数として固定してしまうと、以下のような問題が
発生する。However, if the probability of selecting each adjacent solution generation function is fixed as a constant as in the above-described conventional method, the following problem occurs.
【００１２】探索の初期段階から、現在の解の近傍の探
索を行うような隣接解生成関数が選ばれた確率が高い
と、より良い解が現在の解から遠く離れた所に存在する
場合に、そこへ到達する確率が低くなるため、良い解を
求めるためには、非常に多くの処理時間が必要となる、
という問題点がある。[0012] From the initial stage of the search, if the probability that an adjacent solution generating function that searches for the neighborhood of the current solution is selected is high, the better solution exists when a better solution exists far away from the current solution. , Because the probability of reaching it is low, it takes a lot of processing time to find a good solution,
There is a problem.
【００１３】また、逆に、現在の解の近傍の探索を行う
ような隣接解生成関数の選択確率を低く設定した場合に
は、探索の初期段階では、より遠くの解まで探索範囲に
入ってきて効率の良い探索が可能となるが、探索の終盤
で、近傍にある最的解を探したい時に、たびたび遠くの
領域へ探索の視点が移ってしまい、良い解がありそうな
領域を隅なく探すという操作が困難になる。このため、
良い解がなかなか求められないという問題点がある。Conversely, if the selection probability of an adjacent solution generation function that searches for the vicinity of the current solution is set low, then in the initial stage of the search, even a farther solution comes into the search range. Search can be performed efficiently, but at the end of the search, when searching for the best solution in the vicinity, the viewpoint of the search often shifts to a distant area, and the area where a good solution is likely to be found The operation of searching becomes difficult. For this reason,
There is a problem that it is difficult to find a good solution.
【００１４】したがって、本発明は、上記問題点に鑑み
てなされたものであって、その目的は、組合せ最適化問
題をシミュレーテッドアニーリング法によって解決する
方法において、より良い解を得ることがを可能とした組
み合わせ最適化方法を提供することにある。Accordingly, the present invention has been made in view of the above problems, and an object thereof is to provide a better solution in a method for solving a combination optimization problem by a simulated annealing method. Another object of the present invention is to provide a combination optimization method.
【００１５】[0015]
【課題を解決するための手段】上記目的を達成するた
め、本願第１発明は、組合せ最適化問題をシミュレーテ
ッドアニーリング法によって解決する際に、最適解探索
のために隣接解を生成する関数が複数用意されている場
合に、各関数が過去に生成してきた隣接解に関する統計
情報を蓄積し、その情報を用いて各関数の選択される確
率を動的に変化させることを特徴とする。Means for Solving the Problems To achieve the above object, the first invention of the present application is to solve a combination optimization problem by a simulated annealing method when a function for generating an adjacent solution for searching for an optimum solution is used. When a plurality of functions are prepared, statistical information on adjacent solutions generated in the past by each function is accumulated, and the probability of selecting each function is dynamically changed using the information.
【００１６】また、本願第２発明は、上記第１発明にお
いて、各関数の選択確率に関して、その関数が過去にお
いてどんなに有効でなくても、その選択確率としては、
予め与えた下限値を下回らない値を付与することを特徴
とする。Further, the second invention of the present application is the first invention, wherein the selection probabilities of the respective functions are as follows even if the functions are not effective in the past.
It is characterized in that a value not less than a lower limit given in advance is given.
【００１７】[0017]
【発明の実施の形態】本発明の好ましい実施の形態につ
いて説明する。本発明の実施の形態においては、シミュ
レーテッドアニーリング法による探索時に、記憶装置上
に設けられた隣接解選択関数評価値格納部に、探索中に
使用された各隣接解生成関数に対する各種の評価値が記
録される。さらにこの値は、探索の進み具合に応じて次
々に値が更新されるために、探索の初期段階から最終段
階まで、動的に各関数の評価値を提供することが可能と
なる。この値を用いて、各関数の選択確率を決定するこ
とにより、探索の進み具合に応じた探索方式を採用する
ことが可能となる。従って、従来法と比べて効率のよい
探索を実現することが可能となる。DESCRIPTION OF THE PREFERRED EMBODIMENTS A preferred embodiment of the present invention will be described. In the embodiment of the present invention, at the time of the search by the simulated annealing method, various evaluation values for each of the adjacent solution generation functions used during the search are stored in an adjacent solution selection function evaluation value storage unit provided on the storage device. Is recorded. Furthermore, since this value is updated one after another according to the progress of the search, it is possible to dynamically provide the evaluation value of each function from the initial stage to the final stage of the search. By determining the selection probability of each function using this value, it becomes possible to employ a search method according to the progress of the search. Therefore, a more efficient search can be realized as compared with the conventional method.
【００１８】すなわち、本発明の実施の形態において
は、シミュレーテッドアニーリング法による探索に際し
て、次々に解の変形と評価を繰り返しながら探索を進め
ていく。That is, in the embodiment of the present invention, in the search by the simulated annealing method, the search proceeds while repeating the deformation and evaluation of the solution one after another.
【００１９】解の変形を行う際には、用意してある隣接
解生成関数（ｆ1（ｘ），ｆ2（ｘ），…，ｆn（ｘ））
の中から、ひとつの関数を確率的に選択し、現在の解ｘ
に対して適用することで、隣接解ｘ′を生成することに
なる。この際に、各関数を選択する確率は、ｐ1，ｐ2，
…，ｐnである。When the solution is deformed, the prepared adjacent solution generation function (f 1 (x), f 2 (x),..., F n (x))
Probabilistically selects one function from among the current solution x
, An adjacent solution x 'is generated. At this time, the probability of selecting each function is p 1 , p 2 ,
..., it is a p n.
【００２０】本願第１発明においては、隣接解生成関数
ｆk（ｘ）を用いて隣接解を生成する度に、隣接解生成
関数ｆk（ｘ）の評価を行い、その結果（評価値）を隣
接解の評価値格納部に格納する。[0020] In the first invention, the time to generate the next solution using the adjacent solution generating function f k (x), evaluates the neighbor solution generating function f k (x), the result (evaluation value) Is stored in the evaluation value storage unit of the adjacent solution.
【００２１】一方、新たに隣接解を生成する際には、隣
接解の評価値格納部に格納された値によって決まる各隣
接解生成関数ｆk（ｘ）（ｋ＝１，…，ｎ）の選択確率
分布ｐkに基づいて、隣接解生成関数を確率的に選択す
る。On the other hand, when newly generating an adjacent solution, each of the adjacent solution generation functions f k (x) (k = 1,..., N) determined by the value stored in the evaluation value storage unit of the adjacent solution is used. based on the selection probability distribution p k, it selects the adjacent solution generating function stochastically.
【００２２】また、本願第２発明においては、その選択
確率ｐkを計算する際に、予め指定した値ｑk（Σｑk≦
１，０＜ｑk＜１＝１，ｋ＝１，…，ｎ）に対して、ｑk
≦ｐ kとなるようにｐkの値を設定することで、各隣接解
生成関数の選択確率に下限を設けることを可能とする。In the second invention of the present application, the selection is
Probability pkWhen calculating, the value q specified in advancek(Σqk≤
1,0 <qk<1 = 1, k = 1,..., N), qk
≤p kSo thatkBy setting the value of
It is possible to set a lower limit on the selection probability of the generation function.
【００２３】この方式により、例えば探索の前半には有
効ではないが、後半には非常に有効な隣接解生成関数が
あるような場合に、前半の評価値が悪いために、以後選
択されることがなくなることを防止することが可能とな
る。According to this method, for example, if the first half of the search is not effective, but the second half has a very effective adjacent solution generation function, the evaluation value of the first half is poor. Can be prevented from disappearing.
【００２４】この機能を具備しない場合、探索の後半に
なっても、その関数が選択されないため、その関数が有
効であることを示す機会が与えられないことになる。If this function is not provided, the function is not selected even in the latter half of the search, so that there is no opportunity to show that the function is valid.
【００２５】一方、この機能を具備している場合には、
探索の前半に、どのような悪い評価がなされても、一定
の確率では選択されることになるため、探索の後半に
は、この関数の有効性が見直され、これに伴って、その
関数の選択確率が上昇することが期待され、結果とし
て、効率のよい探索が可能となる。On the other hand, when this function is provided,
In the first half of the search, no matter what bad evaluation is made, it will be selected with a certain probability, and in the second half of the search, the validity of this function will be reviewed, and accordingly, It is expected that the selection probability will increase, and as a result, an efficient search can be performed.
【００２６】[0026]
【実施例】上記した本発明の実施の形態について更に詳
細に説明すべく、本発明の実施例について図面を参照し
て以下に説明する。BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a block diagram showing an embodiment of the present invention;
【００２７】図１は、本発明の一実施例の構成を示す図
である。図１を参照すると、本発明の一実施例において
は、記憶装置上に、図に示すような隣接解生成関数ｆk
（ｘ）の評価値格納部１０１を置く。そして、探索実行
部１０４で探索実行中に、その値は逐次更新される。FIG. 1 is a diagram showing the configuration of one embodiment of the present invention. Referring to FIG. 1, in one embodiment of the present invention, an adjacent solution generation function f k as shown in FIG.
The evaluation value storage unit 101 of (x) is placed. Then, while the search execution unit 104 is executing the search, the value is sequentially updated.
【００２８】格納される各隣接解生成関数の評価値は、
過去に関数ｆk（ｘ）によって生成された隣接解ｘ′が
元の解ｘと比べてどの程度良く（悪く）なっているかを
示す値ｄkｊ（ｊ＝１，２，…，ｍ）によって定義され
る。この値は、ｘとｘ′の目的関数の値の差である。し
たがって、解が悪くなった場合には、ｄkｊは負の値を
とる。ここでｍは、過去にその関数が選択された回数で
ある。この時の評価値Ｅkの計算方法として、例えば以
下のような方法が考えられる。The evaluation value of each stored adjacent solution generation function is:
A value d k j (j = 1, 2,..., M) indicating how much the neighboring solution x ′ generated in the past by the function f k (x) is (bad) compared to the original solution x. Defined by This value is the difference between the values of the objective function of x and x '. Therefore, if the solution becomes worse, d k j takes a negative value. Here, m is the number of times the function has been selected in the past. As a calculation method of the evaluation value E k at this time, for example, it can be considered the following method.
【００２９】１．解の改善量の平均、Σｄkｊ／ｍ ２．解の改善量の最大値、ＭＡＸｄkｊ ３．解の改悪量の最大値、1. 1. Average solution improvement, Σd k j / m 2. the maximum value of the solution improvement, MAXd k j The maximum amount of solution deterioration,
【００３０】[0030]
【数１】 (Equation 1)
【００３１】４．解が改善した比率、｜｛ｄkｊ｜ｄkｊ
＞０｝｜／ｍ4. Ratio solution has been improved, | {d k j | d k j
> 0｝ | / m
【００３２】また、上記した例では、過去の履歴すべて
を用いた計算をしているか、例えば、最近の１００回分
に着目した平均値や最大値等により評価を行うことで、
解の改善量が時間とともに変化しやすいケースに対応す
ることも可能となる。また、評価項目として、上記の例
のうち、任意個の評価項目を組み合わせて保持する方式
でも良い。In the above-described example, whether the calculation is performed using all the past histories, for example, by performing an evaluation based on an average value or a maximum value focusing on the last 100 times,
It is also possible to cope with a case where the amount of improvement of the solution tends to change with time. Further, as the evaluation items, a method of holding an arbitrary number of evaluation items in combination from the above examples may be used.
【００３３】このような値を用いて、隣接解生成関数選
択確率計算部１０２では、各隣接解生成関数ｆk（ｘ）
の選択確率ｐkを計算する。この計算方法としては、例
えば、ｐk＝Ｅk／ΣＥkと計算する方法などが考えられ
る。Using such values, the adjacent solution generation function selection probability calculation unit 102 calculates each adjacent solution generation function f k (x)
Is calculated. As this calculation method, for example, a method of calculating p k = E k / ΣE k can be considered.
【００３４】このような計算により得られた確率分布ｐ
kは、隣接解生成関数ｆk（ｘ）の選択確率格納部１０３
に格納され、探索実行部１０４によって、隣接解生成関
数の選択時に参照される。The probability distribution p obtained by such calculation
k is the selection probability storage unit 103 of the adjacent solution generation function f k (x)
And is referred to by the search execution unit 104 when selecting an adjacent solution generation function.
【００３５】そして、上記した方式により、各隣接解生
成関数の効果が、その選択確率にフィードバックされる
ことになる。その結果、解の改善に役立つことの多い関
数の選択確率を高めることが可能となり、さらに探索の
進み具合によって、各関数の有効性に変化が生じた場合
にも、それに対応していくことが可能となる。Then, according to the above-described method, the effect of each adjacent solution generation function is fed back to its selection probability. As a result, it is possible to increase the probability of selecting a function that often helps to improve the solution, and to respond to changes in the effectiveness of each function due to the progress of the search. It becomes possible.
【００３６】一方、本発明は別の実施例においては、図
２に示すように、各隣接解生成関数の最低選択確率保持
部１０５を用意し、予め適当な値を与えることにより、
隣接解生成関数ｆk（ｘ）の選択確率ｐkの計算時に、各
確率ｐkがｑkを下回らないようにすることで、ｐkがゼ
ロに近くなることを防ぐことが可能となる。On the other hand, in another embodiment of the present invention, as shown in FIG. 2, a minimum selection probability holding unit 105 for each adjacent solution generation function is prepared and given an appropriate value in advance.
When calculating the selection probability p k of neighboring solution generating function f k (x), the probability p k is Being not less than the q k, it is possible to prevent the p k is close to zero.
【００３７】具体的には、通常のｐkの計算方式に従っ
て計算したｐkと最低選択確率ｑkをもとにして、 （ｑk＋ｐk・（１−Σｑk） といった計算方式により、新たなｐkの値を計算するこ
とにより、ｐkの値がｑkよりも小さくならないことが保
証される。[0037] More specifically, the p k and the lowest selection probability q k calculated according to the calculation method of the normal p k based on, by the calculation method such as (q k + p k · ( 1-Σq k), new by calculating the value of a p k, the value of p k is ensured that not less than q k.
【００３８】[0038]
【発明の効果】以上説明したように本発明によれば、探
索の進み具合に応じて、各隣接解生成関数の効果を動的
に評価し、その結果に応じて各隣接解生成関数の選択確
率を制御することが可能となる。その結果として、効果
的な隣接解生成関数の選択される確率が高められること
が期待され、探索処理の効率化に寄与することとなる。As described above, according to the present invention, the effect of each adjacent solution generation function is dynamically evaluated in accordance with the progress of the search, and each adjacent solution generation function is selected in accordance with the result. It is possible to control the probability. As a result, it is expected that the probability of selecting an effective adjacent solution generation function is expected to be increased, which contributes to the efficiency of search processing.
【００３９】また、処理の進み具合によって各隣接解生
成関数の効果が大きく変化する場合には、本願第２発明
の機能によって、処理の序盤で効果が認められなかった
ような隣接解生成関数でも、ある一定の確率で選択され
続けるために、処理の後半になってその関数が効果を発
揮しはじめた場合には、素早くその関数の選択確率を高
めることが可能となる。In the case where the effect of each adjacent solution generation function greatly changes depending on the progress of the process, the function of the second invention of the present application allows the adjacent solution generation function to have no effect at the beginning of the process. In order to keep the function selected at a certain probability, if the function starts to exert its effect in the latter half of the process, it is possible to quickly increase the selection probability of the function.
【００４０】この機能がなければ、探索前半で効果なし
と判断された隣接解生成関数は、ほとんど選択されなく
なる恐れがあり、この場合には、せっかく効果を発揮す
る場面となっても、その関数が選択されないために、そ
の関数が後で効果を発揮する場面になっても、その有効
性に気づかずにいつまでたっても選択されないことにな
って、探索処理の効率化の阻害要因となる。Without this function, the adjacent solution generation function determined to have no effect in the first half of the search may be hardly selected. In this case, even if the effect is to be exerted, the function may not be selected. Is not selected, so that the function will be effective later, or will not be selected forever without noticing its effectiveness, which will hinder the efficiency of the search process.
【図１】本発明の一実施例を説明するための図であり、
記憶装置上に設けられる隣接解生成関数評価値格納部の
説明図である。FIG. 1 is a diagram for explaining one embodiment of the present invention;
FIG. 4 is an explanatory diagram of an adjacent solution generation function evaluation value storage unit provided on a storage device.
【図２】本発明の別の実施例を説明するための図であ
り、記憶装置上に設けられる隣接解生成関数評価値格納
部の説明図である。FIG. 2 is a diagram for explaining another embodiment of the present invention, and is an explanatory diagram of an adjacent solution generation function evaluation value storage unit provided on a storage device.
【図３】従来の方式を説明するための図である。FIG. 3 is a diagram for explaining a conventional method.
１０１ 隣接解生成関数ｆk（ｘ）の評価値格納部 １０２ 隣接解生成関数選択確率計算部 １０３ 隣接解生成関数ｆk（ｘ）の選択確率格納部 １０４ 探索実行部 １０５ 最低選択確率保持部101 Evaluation value storage unit for adjacent solution generation function f k (x) 102 Adjacent solution generation function selection probability calculation unit 103 Selection probability storage unit for adjacent solution generation function f k (x) 104 Search execution unit 105 Minimum selection probability storage unit
Claims (3)
ーリング法によって解決する時に、最適解探索のために
隣接解を生成する関数が複数用意されている場合に、各
関数が過去に生成してきた隣接解に関する統計情報を蓄
積し、 この統計情報を用いて各関数の選択される確率を動的に
変化させる、 ことを特徴とする組合せ最適化方法。When solving a combinational optimization problem by a simulated annealing method, if a plurality of functions for generating an adjacent solution are prepared for searching for an optimal solution, each function generates an adjacent solution. A combination optimization method comprising: accumulating statistical information on a function; and dynamically changing a probability of selecting each function using the statistical information.
て、 各関数の選択確率に関して、その関数が過去においてど
んなに有効でなくても、その選択確率としては、予め与
えた下限値を下回らない値を付与する、ことを特徴とす
る組合せ最適化方法。2. The combination optimization method according to claim 1, wherein the selection probability of each function is not less than a predetermined lower limit, even if the function is not effective in the past. And a combination optimization method.
ーリング法による探索時に、記憶装置上に設けられた隣
接解選択関数評価値格納部に、探索中に使用された各隣
接解生成関数に対する各種の評価値を記録し、この評価
値は、探索の進み具合に応じて次々に値が更新され、探
索の初期段階から最終段階まで、動的に各関数の評価値
が設定自在とされ、該評価値を用いて、各関数の選択確
率を決定することにより、探索の進み具合に応じた探索
方式を採用する、ようにしたことを特徴とする組合せ最
適化方法。3. When the combinatorial optimization problem is searched by the simulated annealing method, various evaluations for each adjacent solution generation function used during the search are stored in an adjacent solution selection function evaluation value storage section provided on the storage device. The evaluation value is updated one after another according to the progress of the search, and the evaluation value of each function can be dynamically set freely from the initial stage to the final stage of the search. And determining a selection probability of each function by using a search method according to a progress of the search.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11617397A JPH10293756A (en) | 1997-04-18 | 1997-04-18 | Combination optimizing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11617397A JPH10293756A (en) | 1997-04-18 | 1997-04-18 | Combination optimizing method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10293756A true JPH10293756A (en) | 1998-11-04 |
Family
ID=14680611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11617397A Pending JPH10293756A (en) | 1997-04-18 | 1997-04-18 | Combination optimizing method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH10293756A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7698235B2 (en) | 2003-09-29 | 2010-04-13 | Nec Corporation | Ensemble learning system and method |
| US10209683B2 (en) | 2016-10-14 | 2019-02-19 | Fujitsu Limited | Optimization apparatus and optimization apparatus control method |
| CN113485011A (en) * | 2021-07-27 | 2021-10-08 | 南通智能感知研究院 | Soft edge diaphragm shaping phase optimization method based on simulated annealing method |
| EP4160489A1 (en) | 2021-09-29 | 2023-04-05 | Fujitsu Limited | Optimization program, optimization method, and optimization apparatus |
-
1997
- 1997-04-18 JP JP11617397A patent/JPH10293756A/en active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7698235B2 (en) | 2003-09-29 | 2010-04-13 | Nec Corporation | Ensemble learning system and method |
| US10209683B2 (en) | 2016-10-14 | 2019-02-19 | Fujitsu Limited | Optimization apparatus and optimization apparatus control method |
| CN113485011A (en) * | 2021-07-27 | 2021-10-08 | 南通智能感知研究院 | Soft edge diaphragm shaping phase optimization method based on simulated annealing method |
| EP4160489A1 (en) | 2021-09-29 | 2023-04-05 | Fujitsu Limited | Optimization program, optimization method, and optimization apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7769763B1 (en) | Large scale machine learning systems and methods | |
| US6415427B2 (en) | Method and apparatus for global routing, and storage medium having global routing program stored therein | |
| Kroese et al. | Network reliability optimization via the cross-entropy method | |
| CN106649401A (en) | Data writing method and device of distributed file system | |
| JP2020204929A (en) | Sampling device and sampling method | |
| JP2021033657A (en) | Combination optimization device, combination optimization method, and combination optimization program | |
| CN114997625A (en) | Nursing staff scheduling method and system based on elderly satisfaction | |
| Liu et al. | Speeding up the calculation of heuristics for heuristic search-based planning | |
| JPH10293756A (en) | Combination optimizing method | |
| JPH09204310A (en) | Judgement rule correction device and judgement rule correction method | |
| JP2000197270A (en) | Method for determining optimum installing place of phase modifying equipment in power distributing system | |
| JP2010204764A (en) | Device and method for creating maintenance plan | |
| US7636876B1 (en) | Cost-based performance driven legalization technique for placement in logic designs | |
| Filipovska et al. | Reliable trajectory-adaptive routing strategies in stochastic, time-varying networks with generalized correlations | |
| US8195433B2 (en) | Optimum value search apparatus and method, recording medium, and computer program product | |
| GB2350914A (en) | Scheduling method for high level synthesis of a circuit | |
| JP6977878B2 (en) | Policy decision system, policy decision method and policy decision program | |
| JP2000268018A (en) | Device and method for multipurpose optimization and storage medium storing multipurpose optimization program | |
| EP4290417A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| JPH0944471A (en) | Solution of combination optimizing problem and production plan determining device in production line | |
| CN117556967B (en) | Scheduling method, device, equipment and storage medium | |
| Duin | Two fast algorithms for all-pairs shortest paths | |
| JP2020067931A (en) | Compound search device, compound search method, and compound search program | |
| JP2002073142A (en) | Production schedule generating device and recording medium with recorded production schedule generating program of production schedule generating device | |
| JP2003162706A (en) | Optimization device using genetic algorithm and its method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19990525 |