- 个体偏好稳定聚类的可扩展算法
本文研究了个体偏好稳定性(IP Stability),该概念捕捉了聚类中的个体公平性和稳定性。在这个设置中,如果每个数据点到其簇的平均距离不超过其到其他簇的平均距离的 α 倍,那么聚类就是 α-IP 稳定的。本文研究了个体偏好稳定聚类的自然 - 重新思考 MaxSAT 局部搜索求解器中的软冲突伪布尔约束
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。
- 解决最小支配集问题的双模局部搜索算法
本文提出了一种名为 DmDS 的最小支配集问题的高效局部搜索算法,通过基于频率的顶点选择准则和贪婪策略集成的扰动来改善初始解的质量,实验结果表明,DmDS 在准确性方面优于现有算法,能在大型真实图上寻找到更好的解。
- 关于旅行窃贼问题中相互依赖模型的适应性景观
本文主要研究尝试不同形式的 TTP(Travelling Thief Problem)依赖性对于简单局部搜索算法的影响,使用适应性景观分析技术进行分析,旨在探讨复杂实际问题的多个相互关联子问题的依赖性。
- IJCAIBandMaxSAT:具有多臂老虎机的局部搜索 MaxSAT 求解器
本研究提出了一个名为 BandMaxSAT 的局部搜索算法,它应用多臂赌博机模型来引导搜索方向,特别适用于 Partial MaxSAT (PMS) 和 Weighted PMS (WPMS) 问题,相较于现有算法 SATLike3.0,实 - 通过奖励设计实现可接受的政策教学
本文针对给定一组可采用政策,探讨了奖励设计策略的问题,考虑通过改变原始奖励函数,从而使得任何一个新奖励函数下的最优策略被保证是可采用的;通过引入一个代理问题,提出了一种轻量级的算法,使其能够在复杂度受限的情况下寻找符合要求的最优解。
- ICLR限制排名凸优化的局部搜索算法
本文提出了贪心算法和局部搜索算法用于秩约束凸优化,实现矩阵填充和鲁棒主成分分析,并且在理论上得到了优化,同时提出了更实用和高效的变体算法。
- ICML可组合核心集应用于行列式最大化的简单近优算法
提出了两种算法来有效地构建可组合核心集问题的解决方案,一种是更加实用的贪心算法,可获得 ${O (C^{k^2})}$ 的解;另一种是基于局部搜索的算法,可以获得近乎最优的解 $O (k)^{2k}$,并证明了这些算法在标准数据集上的有效性 - AAAI学习逻辑电路
本文提出了一种称为逻辑电路的新分类模型,并证明其具有符号人工智能的独特起源,该模型通过局部搜索算法实现从数据中得到强有力的模型结构,且其参数学习是凸优化问题。在 MNIST 和时装数据集上,我们的学习算法胜过拥有数量级更多参数的神经网络。
- AAAI利用简化规则和数据结构:大规模图中最小顶点覆盖问题的局部搜索
本文提出了一种本地搜索算法来解决实际大规模图上的最小顶点覆盖问题,其利用简化规则和数据结构来提高算法效率,并在各种真实世界的大规模图上进行了实验,结果显示比 MinVC 领域最好的本地搜索算法表现更好,也提供了一些关于一些知名启发式算法复杂 - 局部搜索算法的高效多起点策略
本文介绍一种基于多臂赌博和 Lipschitz 优化的多次启动策略,持续估计每个算法实例的潜在性能,并动态地向有可能收敛于最优解的实例分配资源,实验证明该方法在实践中表现良好,并且需要的目标函数评估次数只是理论上建议的平方增加的对数增加。