史蒂文·阿德里安森;安德烈·比登卡普;格雷萨·莎拉;阿瓦德，努尔;特蕾莎·艾玛;马吕斯·林道尔;弗兰克·哈特 自动动态算法配置。 （英语） Zbl 07639828号 J.人工制品。智力。研究（JAIR） 75, 1633-1699 (2022). 摘要：算法的性能通常关键取决于其参数配置。虽然已经提出了各种自动化算法配置方法来减轻用户手动调整参数的繁琐和易出错的任务，但由于所学习的配置是静止的即，参数设置在整个运行过程中保持不变。然而，已经表明，一些算法参数是最佳调整的动态地执行期间。到目前为止，这通常是通过手工启发实现的。最近一种有希望的替代方法是从数据中自动学习此类动态参数自适应策略。在本文中，我们首先全面介绍了自动动态算法配置（DAC）提出了一系列最新进展，并为该领域的未来研究奠定了坚实的基础。具体而言，我们（i）将DAC置于人工智能研究的更广泛历史背景中；（ii）将DAC形式化为计算问题；（iii）确定现有技术中用于解决此问题的方法；以及（iv）对DAC在进化优化、AI规划和机器学习中的使用进行实证案例研究。 引用于2文件 MSC公司： 68泰克 人工智能 关键词：机器学习;规划;无功控制;遗传算法 PDF格式BibTeX公司 XML格式引用 \textit{S.Adriaensen}等人，J.Artif。智力。研究（JAIR）75，1633--1699（2022；Zbl 07639828） 全文： 内政部 arXiv公司 参考文献： [1] PMLR公司 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。