帕米尔斯

Paramils:一个自动算法配置框架。性能优化参数设置的辨识是算法开发和应用的重要组成部分。我们描述了这个算法配置问题的自动框架。更正式地说,我们提供了通过改变一组有序和/或分类参数来优化目标算法在给定问题实例类上的性能的方法。我们回顾了一系列基于局部搜索的算法配置过程,并提出了通过自适应地限制评估单个配置所花费的时间来加速这些过程的新技术。我们描述了我们的方法的综合实验评估的结果,基于SAT突出的完全和不完整算法的配置。我们还介绍了我们所知的第一个关于自动配置CPLEX混合整数规划求解器的工作。我们考虑过的所有算法都有默认的参数设置,这些参数都是经过大量努力手动识别的。然而,使用我们的自动算法配置过程,我们实现了实质性和一致性的性能改进。


zbMATH中的参考文献(参考文献74条,1标准件)

显示第1到第20个结果,共74个。
按年份排序(引用)
  1. 迪亚兹,胡安·埃斯特班;López Ibáñez,Manuel:将决策者偏好纳入双目标优化算法的自动配置(2021)
  2. 不,耶;Strichman,Ofer:使用最优算法组合实时解决计算困难问题(2021)
  3. Theresa Eimer,AndréBiedenkapp,Maximilian Reimer,Steven Adriaensen,Frank Hutter,Marius Lindauer:DACBench:动态算法配置的基准库(2021)阿尔十四
  4. Zöller,马克·安德烈;Huber,Marco F.:自动化机器学习框架的基准和调查(2021年)
  5. 阿尔法罗·费尔南德斯,佩德罗;鲁宾鲁伊斯;帕格诺齐,费德里科;Stützle,Thomas:混合流水车间调度问题的自动算法设计(2020)
  6. 保利,西蒙;史密斯·迈尔斯,凯特;巴塔,达瓦次仁;Mittelmann,Hans:具有可控属性的线性规划实例生成技术(2020)
  7. 莫雷诺,阿尔弗雷多;穆纳里,佩德罗;Alem,Douglas:道路恢复中的人员调度和路径问题的基于分解的算法(2020)
  8. 埃根斯佩格,凯瑟琳;林道尔,马吕斯;Hutter,Frank:算法配置中的陷阱和最佳实践(2019)
  9. 阿尔伯托弗兰津;Stützle,Thomas:重温模拟退火:基于组件的分析(2019)
  10. 刘建峰;普洛斯卡斯,尼古拉斯;Sahinidis,Nikolaos V.:使用无导数优化算法调整BARON(2019年)
  11. 塞鲁蒂,费德里科;瓦拉蒂,毛罗;Giacomin,Massimiliano:论配置对抽象论证自动推理的影响(2018)
  12. 埃根斯佩格,凯瑟琳;林道尔,马吕斯;霍斯,霍尔格H。;赫特,弗兰克;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)
  13. 阿尔伯托弗兰津;Pérez Cáceres,莱斯利;Stützle,Thomas:自动算法配置中数值参数转换的影响(2018)
  14. 尼德,但以理;霍夫曼,Jörg:星型拓扑解耦状态空间搜索(2018)
  15. 科切马佐夫,斯特潘;Zaikin,Oleg:ALIAS:用于查找SAT后门的模块化工具(2018)
  16. 森古普塔、劳纳克;Saha,Sriparna:基于参考点的存档多目标模拟退火(2018)
  17. 哦,年轻的彬;Kim,Byung-Soo:具有时间相关退化和多速率修正活动的并行机器调度问题的数学方法(2018)
  18. 阿达莫,托马索;吉亚尼,吉安帕洛;格里科,安东尼奥;格雷里罗,伊曼纽拉;Manni,Emanuele:基于语义特征提取和自动算法配置的MIP邻域合成(2017)
  19. 巴博萨,爱德华多·巴蒂斯塔·德莫雷斯;Senne,Edson Luiz França:改进元启发式的微调:实验设计和竞赛算法相结合的方法(2017)
  20. 瓦希德,贝兰万德;兔子,沃伦;Lucet,Yves:优化算法比较的最佳实践(2017)