Jun, 2024

识别易于处理的实例以提高算法选择的机器学习流水线效率

PDF
TL;DR我们提出了一种识别易解问题的方法，以便在不需要算法选择的情况下，使用普通求解器快速解决问题，并将节省的计算资源用于处理困难问题。在 BBOB 数据集上的实验证明，识别易解问题可大幅减少函数评估次数，并将节省的计算资源重新分配到困难问题上以提高性能。
algorithm-selection methodssolversanalysis phaseeasy instancesfunction evaluations
发现论文，激发创造
  • 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

  • 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

  • 给定计算时间限制的伪布尔优化的自动算法选择

    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

  • ASlib: 用于算法选择的基准库

    文章提出了一个能够表示不同场景的算法选择标准格式和一个包含文献中日益增多的数据集的存储库，使用这个标准还可建立和评估算法选择模型，从而得到显著的性能改进。

    Jun, 2015

  • 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

  • 通过学习辨别性训练样本来改善算法选择和性能预测

    通过调整模拟退火算法的参数，生成鉴别不同算法的轨迹数据，用于机器学习模型的选择和性能预测，相比于原始轨迹数据和探索性景观特征，能够显著提高性能指标。

    Apr, 2024

  • 一种多引擎的答案集编程方法

    本文提出了一种在现有 ASP 求解器基础之上通过应用机器学习方法，通过识别 ASP 程序的一组易于计算的句法特征，并对这些实例上的性能表现进行归纳学习算法选择策略，从而能够比第三届 ASP 竞赛的任何求解器都更有效地解决实例。

    Jun, 2013

  • 基于答案集规划的求解器调度

    本研究提出了一种使用 Answer Set Programming 自动确定精细的、非均匀且有序的求解器调度方案的方法，并且可以定制化地生成并行调度方案。

    Jan, 2014

  • 黑盒单目标连续优化算法自动选择使用的元特征调查

    通过对单目标连续黑箱优化领域的算法选择的关键贡献进行概述，我们介绍了在优化问题实例、算法实例及其交互的元特征表示学习方面的正在进行的工作，并研究了用于自动算法选择、配置和性能预测的机器学习模型，通过这些分析，我们发现了现有技术的不足之处，并提出了进一步发展元特征表示的思路。

    Jun, 2024

  • 算法运行时间预测：方法与评估

    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