IEEE Congress on Evolutionary Computation 2010
DOI: 10.1109/cec.2010.5586388
|View full text |Cite
|
Sign up to set email alerts
|

Providing a memory mechanism to enhance the evolutionary design of heuristics

Abstract: Genetic programming approaches have previously been employed in the literature to evolve heuristics for various combinatorial optimisation problems. This paper presents a hyper-heuristic genetic programming methodology to evolve more sophisticated one dimensional bin packing heuristics than have been evolved previously. The heuristics have access to a memory, which allows them to make decisions with some knowledge of their potential future impact. In contrast to previously evolved heuristics for this problem, … Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1
1
1

Citation Types

0
4
0
2

Year Published

2012
2012
2023
2023

Publication Types

Select...
3
3
1
1

Relationship

2
6

Authors

Journals

citations
Cited by 11 publications
(6 citation statements)
references
References 24 publications
0
4
0
2
Order By: Relevance
“…A continuación se des ambas partes de la experimentación. En la primera parte los criterios 1A y 2A se aplicaron a 16413 instancias, estas instancias agrupadas en los conjuntos que se enlistan a continuación: Falkenauer (1996), que contiene conjuntos conocidos como uniform y triplets; bin1data, bin2data y bin3data ( como uniform y triplets; bin1data, bin2data y bin3data (Scholl et al, 1997); Schwerin y Waescher (Schwerin y Wäscher,1999); Dual_distribution (Burke, 2010); ffdhardA, ffd-hardB, ffd-hardC y ffd-hardD (Schwerin y Wäscher, 1999); hard28 y 53nirup (Schoenfield, 2002). La aplicación de estos criterios hizo posible la reducción del número de objetos de las instancias que contenían objetos con peso igual a 1 y objetos cuyo peso es mayor a la mitad de la capacidad del contenedor.…”
Section: Resultados Experimentalesunclassified
“…A continuación se des ambas partes de la experimentación. En la primera parte los criterios 1A y 2A se aplicaron a 16413 instancias, estas instancias agrupadas en los conjuntos que se enlistan a continuación: Falkenauer (1996), que contiene conjuntos conocidos como uniform y triplets; bin1data, bin2data y bin3data ( como uniform y triplets; bin1data, bin2data y bin3data (Scholl et al, 1997); Schwerin y Waescher (Schwerin y Wäscher,1999); Dual_distribution (Burke, 2010); ffdhardA, ffd-hardB, ffd-hardC y ffd-hardD (Schwerin y Wäscher, 1999); hard28 y 53nirup (Schoenfield, 2002). La aplicación de estos criterios hizo posible la reducción del número de objetos de las instancias que contenían objetos con peso igual a 1 y objetos cuyo peso es mayor a la mitad de la capacidad del contenedor.…”
Section: Resultados Experimentalesunclassified
“…This work shows that there is a trade-off between the time taken to evolve a heuristic on larger instances, and the heuristic's scalability. Burke et al (2010c) extend this work by adding a memory component to the genetic programming system. It maintains a record of the pieces that have been seen so far during the packing process.…”
Section: Heuristic Generation Methodologiesmentioning
confidence: 99%
“…Data diatas diambil dari data benchmark yang diambil sebagian (sebanyak 150 data). Dan data benchmark tersebut diambil dari jurnal Burk, Hyde dan Kendell [10].…”
Section: Pendahuluanunclassified