- 通向广义逆强化学习
这篇论文研究了马尔可夫决策过程中的广义逆强化学习 (GIRL),即通过观察到的行为 (策略) 来学习马尔可夫决策过程的基本组成部分,这些组成部分可能不是最佳的。我们解决了 GIRL 中的两个关键挑战:首先,需要量化观察到的策略与基本的最优策 - HQA-Attack: 面向文本黑盒硬标签高质量对抗攻击
在黑盒硬标签文本对抗攻击中,提出了一种名为 HQA-Attack 的简单而有效的框架,可以在有限的查询预算下生成高质量的文本对抗样本,具有高语义相似性和低扰动率。
- 带补偿的出租车调度策略
通过使用启发式算法和经济补偿方案,该研究提出了一种用于出租车和客户配对的新算法,该算法提高了城市移动效率,并减少了客户等待时间。
- 改进的稀疏 Ising 优化
稀疏伊辛问题的性能得到了极大的提高,通过引入一种启发式算法,在一些常见的基准问题上达到了两到四个数量级更高的速度和准确性,并找到了比以前报告的解决方案更好的解决方案。
- 新的布尔可满足性问题启发式策略:最小正负乘积策略
本研究提出了一种名为 “Minimal Positive Negative Product Strategy” 的新型启发式算法,用于指导 CDCL 算法解决布尔可满足性问题,它通过数学解释阐明了该算法相对于动态最大个体和变量状态独立衰减和 - 整数线性规划的局部分支松弛启发式算法
本文探讨了在整数线性规划(ILP)的大邻域搜索(LNS)中设计有效和高效的启发式。 创新性地提出了 LB-RELAX 及其变体,利用线性规划松弛代替 Local Branching 来选择邻居。实验证明相对于 LB,LB-RELAX 及其变 - 0-1 多维背包问题中有潜力的搜索空间的发现与探索
本文提出了一种基于演化算法和大邻域搜索的启发式算法,用于解决 0-1 多维背包问题。此算法通过整数规划探索良好部分分配所确定的有前途的搜索空间,从而找到更高质量的解。反复实验结果表明,所提出的算法可以在解质量方面优于现有的 TPTEA 和 - 断点续传模式下的卫星下行调度
研究了一种新问题,即在断点恢复模式下的卫星下行链路调度问题(SDSP-BRM),提出了混合整数规划模型,证明了其 NP 难度,设计了一种简单而有效的启发式算法(SEHA)来解决问题,该算法经过实验验证,在效率上比通用 CPLEX 求解器更好 - 油轮码头的协调时间表优化:智能大空间时间数据驱动方法 —— 第二部分
本研究提出了一种新的协调调度优化方法,通过减少加权平均周转时间来提高港口效率,该方法是一种启发式算法,通过不同的观测窗口和滚动视窗法进行研究和优化实验。实验结果表明,该方法可以有效地减轻船舶周转时间,虽然实验结果基于历史数据集,但在二次计算 - 字符串的模糊分割
本文讨论了数据聚类问题中的一种情况,提出了使用前缀结构跟踪文本片段到模糊属性的映射过程来解决模糊模式匹配问题的启发式算法。另外,还考虑了模糊模式下最佳分割整个文本的问题,并使用动态规划方法得到解决。
- AAAI一种启发式驱动的集成框架用于 COVID-19 假新闻检测
本文介绍了我们的虚假新闻检测系统,它利用预训练的集成模型自动识别与 COVID-19 相关的推文是否为 “真实” 或 “虚假”,并通过引入基于用户名和链接域的启发式算法显著提高了准确率,达到了最先进的结果。
- ACL最佳优先束搜索
本文提出了一种有效启发式算法,用于近似搜索全输出空间中最佳解,解决了诸多自然语言处理任务中的难点问题,并为非单调性得分函数设计了有效的单调逼近方法,提出了一种内存缩减变体的最佳优先搜索,具有类似的有利搜索偏差,并在时限内运行。
- 使用强化学习的受限组合优化
本文提出一个深度强化学习的框架来解决受限的组合优化问题,将受约束的组合问题定义为完全可观的受约束马尔可夫决策过程(CMDP),并提出从不满足的约束产生惩罚信号,以推断作为启发式算法的策略。通过对约束工厂和资源分配问题进行的实验表明,本文的提 - KDD使用 MDL 方法寻找数值目标的优秀子组列表
本文提出了一种基于 MDL 原则和子组列表的分散感知问题制定的子组集发现方法,提出了 SSD++ 启发式算法,能够返回具有强烈差异的均值和小变差的紧凑子组的非冗余集合。
- 关于 3D 无人机基站数量和位置在无线蜂窝网络中的研究
本文提出了使用启发式算法在不同用户密度的区域中找到无人机基站 (drone-BSs) 的位置的方法,以满足网络的服务质量要求。结果表明,所提出的方法能够满足网络的服务质量要求。
- 一种寻找图形子图的实用启发式方法
本论文提出一种启发式算法,可在包含数百个顶点的稀疏图 G 和 H 中找到图 H 作为图 G 的子图,同时解释了在将二次伪布尔优化问题映射到绝热量子退火机中找到图形子图的实际重要性。
- MM最近邻模式分类与选择性采样的收敛性
本文提出并证明了三种新的启发式算法可以用于遥感应用中的样本选择,以最小化模板来估计其位置估计与真实模板之间的误差。
- 带测试成本约束的特征选择
该论文提出了一种具有测试成本限制的特征选择问题,并使用了回溯算法和启发式算法来解决该问题,并对某些现有的特征选择问题进行重新定义。
- 核范数启发式排名最小化成功的必要和充分条件
使用核范数替代矩阵秩函数的启发式算法可实现线性约束集的秩最小化,本文提供了成功找到线性约束集最小秩解的必要和充分条件,并提供了在约束数适当大的情况下,采样自仿射秩最小化问题的概率分布实现成功的可能性