AAAIDec, 2020

基于组合投资算法选择的泛化性能

PDF
TL;DR本文探讨了基于组合算法选择的一个有效算法配置过程，分析了三种情况可能导致多样性的算法集合与性能预测之间的差距，提出了一种 end-to-end 的学习理论分析集合组合与算法选择的方法，并通过实验证明个体算法选择器的复杂性和算法性能的学习理论复杂性将会对方案的性能产生重要影响。
portfolio-based algorithm selectiondiverse algorithm parameterperformancelearning-theoretic analysisoverfitting
发现论文，激发创造
  • 在固定预算设置下构建算法选择中的算法组合对计算密集型黑箱优化问题的解决

    离线算法选择，算法组合，固定预算设置，函数评估，优化问题。

    May, 2024

  • 在线组合优化：一项调查

    本文旨在提供关于在线投资组合选择技术的一揽子研究，其中包括基准线、赢家追踪方法、输家追踪方法、基于模式匹配的方法和元学习算法等在内的多个状态性方法，同时探讨这些算法与资本增长理论之间的关系。此文旨在帮助研究人员和投资经理更好地了解这些技术及其潜在应用，并评估未来研究方向的新趋势。

    Dec, 2012

  • PS-AAS: 黑盒优化中自动算法选择的投资组合选取

    采用基于元表示的数据驱动技术对算法进行组合选择，实现多样性、代表性和非冗余的算法组合，并且相比传统贪婪方法，个性化组合在大多数情况下表现相当或稍好。

    Oct, 2023

  • 节约型算法选择

    从 ASLib 中的六个数据集中评估了三种方法：基于预测不确定性的主动学习、使用超时预测器增强算法预测器以及使用逐步增加超时的方式收集训练数据，并展示了每个选项所实现的标记成本的降低。

    May, 2024

  • 解锁算法特性的力量：算法选择的推广分析

    通过算法特征以及一般化观点，我们提出了基于算法特征的算法选择具有可证的保证的第一个模型，并分析了几个因素对一般化误差的影响。我们证明了在复杂的多算法场景中，基于算法特征的模型在一般化方面优于仅依赖问题特征的传统模型，并在分布变化的场景中表现出正相关的一般化误差和训练集与测试集之间的卡方距离。

    May, 2024

  • 自动算法选择：调研和视角

    该文概述了自动算法选择的研究，涵盖离散问题和连续问题的应用，并讨论算法配置、调度或组合选择等相关方法。此外，文章还提供了离散问题和连续问题的问题实例特征概述，并对未来的工作进行了展望，讨论了许多开放性的研究挑战。

    Nov, 2018

  • 算法组合设计新技术

    本文针对设计算法组合的问题，提出了并行考虑调度问题和机器学习问题的技术，并在布尔可满足性、01 整数规划和人工智能规划等领域取得了显著的实验性能提升，具有较强的理论保证。

    Jun, 2012

  • 一种应用特定算法选择的 PAC 方法

    本文使用统计和在线学习理论的概念来分析特定应用领域下的算法选择问题，并将算法选择建模为统计学习问题，同时研究了在线算法选择问题的可能性和不可能性结果。

    Nov, 2015

  • 数据驱动算法设计的泛化保证：学习高性能算法需要多少数据？

    研究表明，数据驱动的算法设计可以显著提高性能，我们提供了一个推广的理论，用于推导性能的一般化保证，无论参数是如何调整的。该理论还暗示了计算生物学中的投票机制和动态规划算法的新界限。

    Aug, 2019

  • 组合搜索问题的算法选择：综述

    该论文综述了算法选择问题的研究现状及其在组合搜索问题中的性能提升，归纳了目前算法选择的多种方法并且讨论了使用这些方法的不同方向，最后总结出未来研究的方向。

    Oct, 2012