里卡多·索托;克劳福德，布罗德里克;罗德里戈奥利瓦雷斯;斯蒂芬妮·尼克兰德;富兰克林·约翰逊;费尔南多·帕雷德斯;爱德华多·奥尔古因 通过bat算法和黑洞优化在线控制枚举策略。 （英语） Zbl 1415.68207号 自然计算。 16，第2期，241-257（2017）. 摘要：约束编程是解决约束满足和优化问题的一种高效且强大的范式。在这种范式下，问题被建模为一系列变量和一组约束。变量有一个非空的候选值域，约束限制变量可以采用的值。求解过程通过为变量赋值来产生潜在的解，然后对其进行评估。该过程中的一个主要组成部分是枚举策略，它决定了选择变量和值以产生此类潜在解决方案的顺序。有不同的方法来执行此选择，并且根据此决策的质量，求解过程的效率可能会显著不同。不幸的是，选择合适的策略是一项艰巨的任务，因为它在搜索过程中的行为通常是不可预测的，当然也取决于手头的问题。最近处理这一问题的一个趋势是，在整个过程中交错使用一组不同的策略，而不是使用单个策略。这些策略根据过程指标进行评估，以便在搜索过程的每个部分使用最有希望的策略。这个过程被称为枚举策略的在线控制，其正确配置本身可以被视为一个优化问题。在本文中，我们提出了两种基于最近自然启发元启发式的枚举策略在线控制新系统：bat算法和黑洞优化。蝙蝠算法模拟蝙蝠的定位能力，蝙蝠利用回波识别周围区域的物体，而黑洞优化则激发其在空间黑洞引力作用下的行为。我们通过使用不同的枚举策略和著名的基准来执行不同的实验结果，其中所提出的方法能够显著优于以前的在线控制工作。 引用于2文件 MSC公司： 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 90 C59 数学规划中的近似方法和启发式 关键词：约束编程;自主搜索;生物灵感的;元启发式;bat算法;黑洞 软件：BL数据集 PDF格式BibTeX公司 XML格式引用 \textit{R.Soto}等人，《自然计算》。16，第2号，241--257（2017；Zbl 1415.68207） 全文： 内政部 参考文献： [1] Araya I，Soto R，Crawford B（2015）数值约束满足问题的自适应滤波策略。专家系统应用42（21）：8086-8094·doi:10.1016/j.eswa.2015.06.030 [2] Baptiste P，Le Pape C（1997）高度析取和高度累积项目调度问题的约束传播和分解技术。摘自：《约束编程原理与实践学报》（CP），计算机科学课堂讲稿第1330卷。施普林格，第375-389页·Zbl 0941.90030号 [3] Barahona P，Krippahl L（2008）《结构生物信息学中的约束编程》。约束条件13（1-2）：3-20·Zbl 1144.92011年 ·doi:10.1007/s10601-007-9036-6 [4] Barták R，RudováH（2005）《有限分配：不完全深度首次搜索的新截止策略》。摘自：第20届ACM应用计算研讨会论文集，第388-392页 [5] Boussemart F，Hemery F，Lecoutre C，Sais L（2004）通过加权约束促进系统搜索。摘自：第16届欧洲人工智能会议（ECAI）会议记录。IOS出版社，第146-150页 [6] Castro C，Monfroy E，Figuera C，Meneses R（2005）约束求解中的动态分割策略方法。在：第四届墨西哥人工智能国际会议论文集，计算机科学讲义第3789卷。施普林格，第162-174页 [7] Chenouard R、Granvilliers L、Sebastian P（2009）《约束辅助实施例设计的搜索启发式》。艾达姆23（2）：175-195 [8] Crawford B，Soto R，Castro C，Monfroy E，Paredes F（2011）约束编程的可扩展自治搜索框架。国际物理科学杂志6（14）：3369-3376 [9] Crawford B，Soto R，Monfroy E，Palma W，Castro C，Paredes F（2013）使用粒子群优化的基于选择函数的超启发式的参数调整。专家系统应用40（5）：1690-1695·doi:10.1016/j.eswa.2012.09.013 [10] Crawford B，Soto R，Castro C，Monfroy E（2011a）约束满足中动态枚举策略选择的超启发式方法。摘自：第四届自然计算与人工计算相互作用国际工作会议论文集，计算机科学讲稿第6687卷。施普林格，第295-304页 [11] Crawford B、Soto R、Montecinos M、Castro C、Monfroy E（2011b）《日食解算器中的自主搜索框架》。摘自：第24届应用智能系统工业、工程和其他应用国际会议论文集（IEA/AIE），LNCS第6703卷。施普林格，第79-84页 [12] Epstein SL、Freuder EC、Wallace RJ、Morozov A、Samuels B（2002）自适应约束引擎。摘自：第八届约束编程原理与实践国际会议论文集，计算机科学课堂讲稿第2470卷。施普林格，第525-542页 [13] Epstein S，Petrovic S（2007）学习解决约束问题。In:规划与学习研讨会（ICAPS）会议记录 [14] Grimes D，Wallace RJ（2007）学习识别约束满足搜索中的全局瓶颈。摘自：佛罗里达人工智能研究学会第二十届国际会议记录。AAAI出版社，第592-597页 [15] Hamadi Y、Monfroy E、Saubion F（2012）《自主搜索》。纽约州施普林格·doi:10.1007/978-3-642-21434-9 [16] Hatamlou A（2013）《黑洞：数据聚类的新启发式优化方法》，《信息科学》222:175-184·doi:10.1016/j.ins.2012.08.023 [17] Hoos H（2002）自动化算法配置和参数调整。In：自动搜索。施普林格 [18] 库马尔，S。；达塔，D。；辛格，S。；阿扎尔，TA（编辑）；Vaidyanathan，S.（编辑），黑洞算法及其应用，147-170（2015），瑞士·doi:10.1007/978-3-319-11017-2_7 [19] Lilliefors H（1967）关于均值和方差未知的正态性的Kolmogorov-Smirnov检验。美国统计协会杂志62（318）：399-402·doi:10.1080/01621459.1967.10482916 [20] Mann H，Donald W（1947）关于两个随机变量中的一个是否随机大于另一个的测试。Ann数学统计18（1）:50-60·Zbl 0041.26103号 ·doi:10.1214/aoms/1177730491 [21] Maturana J，Saubion F（2008）遗传算法指南。摘自：第十届自然并行问题解决国际会议论文集（PPSN），LNCS第5199卷。施普林格，第256-265页 [22] Métivier J-P，Boizumault P，Loudni S（2009）使用软全局约束解决护士名册问题。收录于：《CP会议录》，LNCS第5732卷。施普林格，第73-87页 [23] 雷法洛，P。；Wallace，M.（编辑），基于影响的约束编程搜索策略，557-571（2004），纽约·Zbl 1152.68577号 [24] Rossi F，van Beek P，Walsh T（2006）约束编程手册。爱思唯尔，阿姆斯特丹·Zbl 1175.90011号 [25] Soto R、Kjellerstrand H、Durán O、Crawford B、Monfroy E、Paredes F（2012）《使用约束编程和布尔可满足性的成组技术中的细胞形成》。专家系统应用39（13）：11423-11427·doi:10.1016/j.eswa.2012.04.020 [26] Soto R、Crawford B、Herrera R、Olivares R、Johnson F、Paredes F（2015）通过引力搜索算法在自主搜索中进行WSM调整。摘自：2015年第四届计算机科学在线会议论文集，第1卷：人工智能展望与应用，第347卷：智能系统与计算进展。施普林格，第159-168页 [27] Soto R，Crawford B，Monfroy E，Castro C（2011）约束规划中动态枚举策略选择的超启发式方法。摘自：第四届自然计算与人工计算相互作用国际工作会议论文集，第6687卷。施普林格，第295-304页 [28] Soto R，Crawford B，Olivares R，Franklin J，Paredes F（2015）通过bat-in-spiriced优化在线控制枚举策略。摘自：《自然计算与人工计算相互作用国际工作会议论文集》，IWINAC 2015，西班牙埃尔切，第1-10页·Zbl 1415.68207号 [29] Wallace RJ，Grimes D（2008）基于约束权重的变量选择策略的实验研究。J算法63（1-3）：114-129·Zbl 1162.68417号 ·doi:10.1016/j.jalgor.2008.02.009 [30] Xin-She Y（2011）多目标优化的Bat算法。国际JBIC 3（5）：267-274·doi:10.1504/IJBIC.2011.042259 [31] Xu Y，Stern D，Samulowitz H（2009）学习适应解决约束满足问题。摘自：第三届学习与智能优化国际会议论文集（LION），第507-523页 [32] Yang X-S（2010）一种新的元启发式蝙蝠启发算法。收录于：计算智能研究第284卷《自然启发的优化合作策略（NICSO）论文集》。施普林格，第65-74页·Zbl 1197.90348号 [33] Yang X-S，Deb S，Loomes M，Karamanoglu M（2013）自校正优化算法框架。神经计算应用23（7-8）：2051-2057·doi:10.1007/s00521-013-1498-4 [34] Yang X-S，He X（2013）蝙蝠算法：文献综述和应用。国际工商银行联合会5（3）：141-149·doi:10.1504/IJBIC.2013.055093 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。