Jul, 2017

用于光学片上波长路由网络的逻辑编程方法，以实现故障自由和最大并行

HTML
PDF
TL;DR论文阐述了提升芯片通讯性能的光网络设计的最大并行计算问题并细分了Answer Set Programming和 Constraint Logic Programming的方法解决波长路由技术的物理参数选择的优化问题。
发现论文，激发创造
  • 将Answer Set Programming和领域启发式算法结合，解决难解的工业问题（应用论文）

    本文研究将Answer Set Programming（ASP）与领域特定的启发式方法相结合，以有效地解决Siemens提出的Partner Units Problem（PUP）和Combined Configuration Problem（CCP），实验证明，我们的领域启发式ASP求解器可以找到Siemens所提供的所有PUP和CCP实例的解决方案。

    Aug, 2016

  • 利用逻辑编程解决分布式约束优化问题

    本文探讨了Answer Set Programming在解决Distributed Constraint Optimization Problems方面的应用。其贡献包括：将DCOPs表示为逻辑程序；介绍了基于逻辑编程的第一个DCOP算法ASP-DPOP；实验证明ASP-DPOP可以比DPOP快两个数量级，并且可以解决DPOP无法解决的一些问题；以及演示了ASP在当前被建模为DCOPs的各种多代理问题中的适用性。

    May, 2017

  • 基于启发式分解的答案集计算优化

    该研究提出了一种新的优化方法，基于树分解技术和启发式算法，可以将一个输入的逻辑程序转化为一个等价的程序以提高ASP系统的求解效率，并在实验中验证了其有效性。

    Dec, 2018

  • 光神经网络的节能稀疏零阶优化在芯片学习中的高效实现

    本文提出了一种新的芯片上学习框架，可以快速、高效地优化光神经网络的性能，避免了传统方法的实施成本。该框架可有效解决资源约束下的无噪音优化问题，具有较好的优化稳定性与高效性，适合实际部署。

    Dec, 2020

  • 并行机器调度中的字典序最小完工时间优化的ASP实现

    该论文利用Answer-Set Programming解决具有序列依赖设置时间和发布日期的并行机器工业调度问题，并采用多次求解算法来提高解决效率和可靠性。

    Dec, 2022

  • 朝全流程ASP计算迈进

    我们提出了一种端到端的方法，用于通过线性代数计算满足给定约束条件的稳定模型，并针对循环公式使用预处理和启发式方法来减少计算难度。

    Jun, 2023

  • NN-Steiner: 直线Steiner最小树问题的混合神经算法方法

    近年来，神经网络在解决组合优化问题方面取得了快速发展。在本文中，我们提出了NN-Steiner，这是一种新颖的混合神经-算法框架，用于计算矩形斯坦纳最小生成树（RSMT），并展示了其在处理复杂示例方面的泛化性和与现有方法的比较效果。

    Dec, 2023

  • OpticGAI：基于生成式AI辅助深度强化学习的光网络优化

    利用生成模型实现了深度强化学习(DRL)框架OpticGAI，并通过在光网络优化中解决Routing and Wavelength Assignment (RWA)和dynamic Routing, Modulation, and Spectrum Allocation (RMSA)等问题，取得最高奖励和最低阻塞率，为光网络优化的 AI 增强研究提供了有前景的方向。

    Jun, 2024

  • 基于布尔网络的逻辑程序静态分析

    Answer Set Programming（ASP）是一个声明性问题解决范式，可以将组合问题编码为逻辑程序，其稳定模型对应于所考虑问题的解决方案。本文深入探讨了逻辑程序和布尔网络之间的连接，该连接对于进一步研究ASP的静态分析具有统一且强大的工具价值。尤其是，新获得的见解有潜力对ASP领域的许多问题带来好处。

    Jul, 2024

  • 使用答案集编程优化城市网络的动态交通分配

    本研究针对城市网络中的动态交通分配问题，填补了使用答案集编程（ASP）这一工具的应用空白。论文提出了一种将ASP用于计算网络中所有车辆“最优”路线的新方法，并通过分析两个欧洲城市的实证数据，展示了该框架的可行性及ASP在解决实际问题中的重要贡献。

    Aug, 2024