一种基于组合投资的竞争结果分析方法
合作竞争的科学和技术领域变得越来越受欢迎。本文描述了一种评估方法来对比竞赛结果和竞争。这种方法具有普适性，但是以八个自然语言竞赛为案例进行了说明，涉及分类和回归问题。所提出的方法具有多种优势，包括与修正机制的即插即用比较和置信区间的包含。此外，我们引入了一些指标，使组织者能够评估竞赛的难度。我们的分析显示了我们方法在有效评估竞赛结果方面的潜在有用性。
Mar, 2024
SATzilla 是一种使用经验难度模型来构建每个实例算法组合的自动化方法，用于选择 SAT 问题的求解器，并在实验中得到了卓越的表现。
Oct, 2011
通过统计重采样技术，本研究调查了竞赛结果的普遍适用性问题，并提出了一种基于重采样性能数据的统计稳健解算器排名方法。应用于最近的 SAT、AI 规划和计算机视觉竞赛，分析结果显示了解算器性能的频繁统计并列以及与基于简单评分的官方结果相比的排名倒置。
Aug, 2023
本文介绍了一种取自不同建模语言（MiniZinc、FlatZinc 或 XCSP）的限制编程（CSP）问题的特征集，用于求解器选择，实验结果显示使用这些特征可与最先进的 CSP 投资组合技术相竞争
Aug, 2013
本文介绍了一种利用现代约束编程语言中的类级别模型自动生成基准实例数据，以重点生成有效和有信息量的基准实例的框架，可评估可行解决方案的相对性能。使用此框架对五个问题进行研究，不仅排名解算器，还通过查找解算器表现显著变化的实例子集，为我们提供了一个更完整的解算器行为理解。
May, 2022
通过对 IEEE ISBI2021 和 MICCAI2021 举行的 80 个比赛的统计分析发现，当今图像分析方法中常用的成功算法有多任务学习和 / 或多阶段管道、强调数据增强、图像预处理、数据管理和后处理；获胜团队常常具有医学图像分析的博士学位、五年的经验和四年的深度学习经验；为获得高排名的团队，他们注重将评价指标反映到方法设计中，并侧重于分析并处理失败案例，但只有 11% 的算法完全解决了领域问题。
Mar, 2023
本文通过比较三种投资组合设计方法 (均值 - 方差组合，分层风险平价组合和自编码器组合)，应用于国家证券交易所上列出的十个主题行业的股票历史价格，并在测试数据上进行了表现测试，结果发现 MVP 组合在风险调整回报上表现最佳，而自编码器组合在年收益率上表现最好
Jul, 2023
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
研究了如何在挑战设置中评估不同竞争者（算法）的表现，分析了 MeOffendEs @ IberLEF 2021 比赛的结果，并提议通过重采样技术（引导）进行推理，以支持挑战组织者的决策。
May, 2023
提出了一种新的排名方案，利用基于鲁棒的自助法假设检验程序对多个单目标优化问题的算法进行排名，并考虑了算法的性能改进的大小和实际相关性，与传统假设检验相比，提出的排名方案具有可比性和许多额外的好处。
May, 2024