Augmented neural networks and problem structure-based heuristics for the bin-packing problem

Kasap, Nihat; Agarwal, Alekh

doi:10.1080/00207721.2010.549587

Cited by 7 publications

(10 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A mudança controlada de pesos entre os elementos de processamento é responsável pela característica de busca local por soluções melhores. Kasap & Agarwal (2012) propõem uma RNAA para resolução de um PCE, fazendo uso de uma estrutura como a mostrada na Figura 1. …”

Section: Rede Neural Aumentadaunclassified

“…Falkenauer (1996) utiliza um algoritmo de grupamento genético híbrido e Loh et al (2008), um algoritmo de Weight Annealing para problemas de Bin-Packing. Ainda para problemas de Bin-Packing, métodos baseados em Redes Neurais Artificiais são utilizados por Kasap & Agarwal (2012) e Almeida & Steiner (2013a, b).…”

Section: Introductionunclassified

“…Depois de ajustar e analisar os parâmetros da Rede Neural Artificial Aumentada (RNAA) de Kasap & Agarwal (2012), utilizando delineamento de experimentos (Almeida & Steiner, 2013a), Almeida & Steiner (2013b) propõem alterações na função de aprendizagem, resultando em melhora de aproximadamente 15% na qualidade de solução em relação à RNAA original, e melhora de 50,4% em relação às heurísticas best-fit decreasing (BFD) e first-fit decreasing (FFD), apresentadas por Johnson et al (1974). Scholl et al (1997), analisaram o pior caso de desempenho das heurísticas BFD e FFD e mostraram que estas heurísticas precisam de no máximo 22,2% mais objetos que a solução ótima.…”

Section: Introductionunclassified

See 2 more Smart Citations

Resolução de problemas de Bin Packing utilizando rede neural aumentada e Minimum Bin Slack

Almeida

Steiner

2015

Gest. Prod.

View full text Add to dashboard Cite

The objective of this work is to compare the Augmented Neural Network (AugNN) metaheuristic with Minimum Bin Slack (MBS) heuristic to solve Combinatorial Optimization Problems, specifically, in PCEs são vastamente encontrados em diversos ramos da indústria e o tratamento adequado deste tipo de problema pode gerar impactos diretos na economia de matérias-primas e/ou espaço físico das empresas. Para a otimização dos parâmetros da RNAA, fez-se uso de um projeto de Delineamento de Experimento (DOE) do tipo Fatorial Completo. Os testes, realizados em diversos problemas benchmark da literatura, mostraram que, de uma forma geral, a heurística MBS foi superior tanto em relação à qualidade das respostas (cerca de 70% melhor), quanto em relação ao tempo computacional (aproximadamente 90% menor).

show abstract

Section: Rede Neural Aumentadaunclassified

Section: Introductionunclassified

See 1 more Smart Citation

Resolução de problemas de Bin Packing utilizando rede neural aumentada e Minimum Bin Slack

Almeida

Steiner

2015

Gest. Prod.

View full text Add to dashboard Cite

show abstract

“…Este conjunto tiene 17 instancias, todos con un número distinto de elementos. [13] en 1997 propusieron tres conjuntos de instancias: Set_1, Set_2 y Set_3, que se han citado en [6,36,20,38,39,41,44,48,49,50], y se pueden descargar de [51]. El conjunto Set_1 tiene 720 instancias creadas como se muestra en [12].…”

Section: Selección De Conjuntos De Instanciasunclassified

“…Por otra parte durante la última década, una gran cantidad de heurísticas para resolver este problema han sido desarrolladas, dichas heurísticas se puede encontrar en la literatura especializada [6,15,16,17,18,19,20,21,22,23,24].…”

Section: Introductionunclassified

Towards a Characterization of Difficult Instances of the Bin Packing Problem

Santoyo¹,

Pérez-Ortega

Romero³

et al. 2015

IEEE Latin Am. Trans.

View full text Add to dashboard Cite

We address the multidimensional characterization of difficult instances of the Bin Packing Problem, well known in the combinatorial optimization realm. In search for efficient procedures to solve hard combinatorial optimization problems previous investigations have attempted to identify the instances' characteristics with the greatest impact in their difficulty. In the same vein and focusing on the Bin Packing Problem, we used clustering techniques to determine not only one but a set of characteristics that altogether could be considered as the main source of the instances' difficulty. To this aim we selected 1,615 available instances of the Bin Packing Problem, and then we solved each instance with six well-known heuristic algorithms. From our experiment we identified relevant characteristics that correspond to 22 instances whose optimal solution was not obtained by any of the six heuristics. Finally, to validate our findings an adhoc heuristic based on these characteristics was developed. Our heuristic found two optimal solutions not previously reported, showing thus that this characterization can help to find improved solution algorithms.

show abstract

Learning to multi-vehicle cooperative bin packing problem via sequence-to-sequence policy network with deep reinforcement learning model

Tian

Kang

et al. 2023

Computers & Industrial Engineering

View full text Add to dashboard Cite

Augmented neural networks and problem structure-based heuristics for the bin-packing problem

Cited by 7 publications

References 16 publications

Resolução de problemas de Bin Packing utilizando rede neural aumentada e Minimum Bin Slack

Resolução de problemas de Bin Packing utilizando rede neural aumentada e Minimum Bin Slack

Towards a Characterization of Difficult Instances of the Bin Packing Problem

Learning to multi-vehicle cooperative bin packing problem via sequence-to-sequence policy network with deep reinforcement learning model

Contact Info

Product

Resources

About