萨齐拉

SATzilla:SATzilla:基于投资组合的SAT算法选择。人们广泛观察到,没有单一的“主导”SAT解算器;相反,不同的解算器在不同的实例上表现最好。我们不遵循传统的方法为给定的实例类选择最佳解算器,而是提倡在每个实例的基础上在线做出此决策。在先前工作的基础上,我们描述了SATzilla,一种自动构建SAT算法组合的方法,它使用所谓的经验硬度模型来选择其组成解算器。在一个给定的投资组合中,用一个给定的投资组合的平均值来构造一个投资组合的优化实例。SATzilla的出色表现在2007年SAT比赛中得到了独立验证,我们的SATzilla07解算器获得了3枚金牌、1枚银牌和1枚铜牌。在本文中,我们超越了SATzilla07,它使组合构建具有可伸缩性和完全自动化,并通过将本地搜索解算器集成为候选解算器,通过预测性能得分而不是运行时,以及使用考虑不同类型SAT实例的分层硬度模型来改进它。我们在数据集(包括最近的SAT竞赛的实例)上展示了这些新技术的有效性。


zbMATH参考文献(84篇文章引用)

显示84个结果中的1到20个。
按年份排序(引用)
  1. Dantas,Augusto;Pozo,Aurora:关于适应度景观特征在基于元学习的二次分配问题算法选择中的应用(2020)
  2. England,Matthew;Florescu,Dorian:比较机器学习模型以选择圆柱形代数分解的变量顺序(2019)
  3. Lindauer,Marius;van Rijn,Jan N.;Kotthoff,Lars:2015和2017(2019)算法选择竞赛
  4. Martínez Plumed,Fernando;Prudêncio,Ricardo B.C.;Martínez Usó,Adolfo;Hernández Orallo,José:《人工智能中的项目反应理论:在实例层面分析机器学习分类器》(2019年)
  5. DeningoéC;2019年DeningoéC;分布式解决方案
  6. Nikolić,Mladen;Marinković,Vesna;Kovács,Zoltán;Janičić,Predrag:几何的投资组合定理证明和prover运行时预测(2019年)
  7. Cerutti,Federico;Vallati,Mauro;Giacomin,Massimiliano:论配置对抽象论证自动推理的影响(2018)
  8. Eggensperger,Katharina;Lindauer,Marius;Hoos,Holger H.;Hutter,Frank;Leyton Brown,Kevin:通过基于模型的代理对算法配置器进行有效的基准测试(2018年)
  9. 英国,马修:数学软件的机器学习(2018)
  10. Gent,Ian P.;Miguel,Ian;Nightingale,Peter;McCreesh,Ciaran;Prosser,Patrick;Moore,Neil C.A.;Unsworth,Chris:并行约束求解文献综述(2018)
  11. Daniel Gnad;Hoffmann,Jörg:恒星拓扑解耦状态空间搜索(2018)
  12. Malone,Brandon;Kangas,Kustaa;Järvisalo,Matti;Koivisto,Mikko;Myllymäki,Petri:寻找最佳贝叶斯网络结构的经验硬度:算法选择和运行时预测(2018)
  13. Marques Silva,Joao;Malik,Sharad:命题SAT解决(2018)
  14. Olier,Ivan;Sadawi,Nouredin;Bickerton,G.Richard;Vanschoren,Joaquin;Grosan,Crina;Soldatova,Larisa;King,Ross D.:元学习在药物设计和发现中的大规模应用(2018)
  15. Souravlias,Dimitris;Parsopoulos,Konstantinos E.:基于元启发式算法组合的设计(2018)
  16. Wistuba,Martin;Schilling,Nicolas;Schmidt Thieme,Lars:基于可伸缩高斯过程的超参数优化传输代理(2018)
  17. Yin,Yue;Vorobechik,Yevgeniy;An,Bo;Hazon,Noam:通过删除选民群体来对抗选举控制的最佳防御(2018)
  18. Demyanova,Yulia;Pani,Thomas;Veith,Helmut;Zuleger,Florian:验证工具基准的经验软件度量(2017)
  19. Flerova,Natalia;Marinescu,Radu;Dechter,Rina:加权启发式随时搜索:图形模型优化的新方案(2017)
  20. Gupta,Rishi;Raghgarden,Tim:应用特定算法选择的PAC方法(2017)