DeciLS-PBO: 一种有效的伪布尔优化局部搜索方法
本研究使用 MaxSAT 问题中的 SPB 约束和子句权重技术,提出了一种新的局部搜索算法 SPB-MaxSAT,为 MaxSAT 局部搜索求解器的子句权重方法提供了新的视角和优秀的性能。
Jan, 2024
本文提出了加权布尔优化(Weighted Boolean Optimization,WBO)的新统一框架,并提出了一种基于不可满足性的算法为 WBO 提供解决方案,并且该算法可用于解决众多相关问题,包括 非常规的伪布尔约束条件。实验结果表明,基于不可满足性的算法比现有的专用算法更有效。
Mar, 2009
提出一种基于连续局部搜索与信念传播结合的算法 GradSAT,能在求解混合布尔约束问题方面有很好的应用表现,对称布尔约束和小系数伪布尔约束也可适用,并有望成为解决布尔满足性和优化问题的有效方法之一。
Dec, 2020
这篇论文介绍了一种名为 Hidden-Constrained Latent Space Bayesian Optimization (HC-LSBO) 的新型贝叶斯优化方法,它集成了潜在决策模型,并利用可变自编码器学习可行决策的分布,从而实现原始决策空间与较低维潜在空间的双向映射。通过这种方式,HC-LSBO 捕捉了公共政策制定中固有的隐藏约束的微妙差别,允许在潜在空间进行优化,同时在原始空间中评估目标。我们通过在合成和真实数据集上进行数字实验验证了这种方法,具体关注了乔治亚州亚特兰大的大规模警区划问题。我们的结果显示,与基线相比,HC-LSBO 在性能和效率方面均有显著改进。
Oct, 2023
本文提出了一种基于多臂赌博机的本地搜索算法 BandHS 用来解决 MaxSAT 及其两个泛化问题,和一个初始化方法优化算法的表现。经过大量实验证明,本文提出的方法在解决 MaxSAT 问题时表现出色。
Nov, 2022
本研究提出了一种名为 NeuroLS 的本地搜索算法控制器,采用深度图神经网络作为策略模型,通过计算机学习方法,能够优于已知常规搜索控制器和最新的机器学习方法,在求解 NP 困难度的组合优化问题中,取得了比较理想的结果。
Jun, 2022
提出了基于本地子模型逼近的优化框架(LSA),并使用 TR 和 AUX 原则,实现了在广泛应用中获得现有标准技术如 LBP,QPBO 和 TRWS 的最新结果。
Nov, 2013
本研究中,我们提出了一种新的局部贝叶斯优化算法 MinUCB,通过在 GIBO 中将梯度下降步骤替换为最小化 UCB 的策略来改进了梯度下降方法,证明了在应用高斯过程作为替代物时,后者可以比直接梯度下降更好。此外,我们还通过前瞻策略改进了 MinUCB 的取样函数,得到了更高效的算法 LA-MinUCB,并在不同的合成和现实函数中应用我们的算法,结果表明了我们方法的有效性。我们的算法还从上界的角度改进了贝叶斯优化中的局部搜索策略,并为未来算法设计提供了新的方向。
May, 2024
构建适用于 NP-Hard 的 Pseudo-Boolean 优化问题的任意时刻元求解器,明显提高了性能,并改进了在组合求解器组合中性能表现最好的单个求解器 Gurobi 的成功率。
Sep, 2023
本文介绍了一种结合 solution prediction model 和神经网络的方法 ——NLocalSAT,用于提高 stochastic local search 在解 Boolean satisfiability problem 时的有效性,并且在 SAT Competition 2018 的实验中取得了 27% ~ 62% 的性能提升。
Jan, 2020