使用机器学习方法来选择算法通常将描述一个实例的数据作为输入，我们提出了一种新颖的基于算法的方法来描述实例，该方法使用短的探测轨迹来训练算法选择模型，并且在计算效率和结果方面比传统的基于特征的方法更有前景。
Jan, 2024
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
本研究通过使用局部景观特征来预测何时切换算法，扩展了基于每次运行的轨迹的多算法选择方法，并分析了多个算法之间的局部景观特征交互的差异。
Feb, 2023
我们研究了在学习排序领域中使用模拟退火这一流行的元启发式方法进行特征选择，包括不同的邻域选择策略、温度冷却方案和进度参数等，通过在五个公开基准数据集上进行实验对比，证明了我们提出的模型的有效性。
Oct, 2023
利用机器学习建模算法的运行时间，对算法分析、自动参数配置等方面有重要应用，本文针对命题可满足性、旅行商问题和混合整数规划等问题，介绍了新的模型和特征，与文献中各种运行时间建模技术进行比较，实证表明本文新模型相比以往方法，具有更好的泛化性和预测准确度。
Nov, 2012
本研究提出了一种可以估算算法性能预测模型泛化能力的方法，并通过在基准测试套件之间训练预测模型来测试该方法的可行性，结果表明，特征空间中的泛化模式确实反映在性能空间中。
May, 2023
本文通过扩展动力学模型，利用扩散概率模型去掉了传统轨迹优化方法的瓶颈，将采样和计划步骤近乎完全融合，通过分类器和图像插值获得了在线规划策略，并在长期决策和测试时间灵活性强的控制环境中成功应用了该框架。
May, 2022
本文介绍了一种新颖的算法选择技术，其中借助循环神经网络在在线装箱问题中预测打包启发式，表现优于传统机器学习方法，并提出了这种算法的表现好处需要数据具备一定隐式结构的假设。
Mar, 2022
通过高保真计算机模拟和贝叶斯参数搜索，诊断机器学习模型中的偏倚问题，特别是面部识别商业 API 中的人口统计学偏见。
Sep, 2018
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