评估组件求解器对基于投资组合的算法选择器的贡献
这项工作认为，构建基于组合的算法选择器的最先进方法也产生了一种自动方法，用于量化一组可用解算器中每个解算器的重要性，并表明对$\texttt{SATzilla}$贡献最大的解算器通常不是整体性能最好的解算程序。 算法选择与调度
这项工作提出了各种静态和动态调度策略，并表明与纯算法选择相比，这种调度和求解器选择的新组合可以显著提高性能。 答案集编程的组合求解器：初步报告
本工作提出了一种基于组合的答案集编程（ASP）求解方法，该方法通过支持向量回归（Support Vector Regression）在考虑ASP解算器卡环的几种配置时是同质的。 ISAC-特定于实例的算法配置
在各种不同约束优化和约束满足求解器上的实验表明，自动算法配置大大优于手动调整，并且与实例可用配置相比，经常会导致显著的加速。 SATzilla:SAT的基于投资组合的算法选择
描述了SATzilla，一种为SAT构建per-instance算法组合的自动化方法，该方法使用所谓的经验硬度模型在其组成解算器中进行选择，并通过将本地搜索解算器集成为候选解算器进行改进，通过预测性能得分而非运行时，以及使用考虑不同类型SAT实例的层次硬度模型。 自动调整计划器的学习组合
这项工作使自动参数调整框架ParamILS能够为多个规划域找到快速向下规划系统的快速配置，并提供一个运行自动配置的规划器的组合规划器。 可满足性手册
一本关于SAT解决的所有理论和实践方面的论文集对学生和研究人员都非常有用，并将导致该领域的许多进一步发展。 演化实例特定算法配置
本文基于所遇到的问题实例，提出了一种随时间演化投资组合的方法，并证明了当观察到的实例类型随时间发生变化时，该方法的性能显著优于标准静态方法。