用于黑箱单目标连续优化算法自动选择的元特征综述

选择最合适算法来解决给定问题实例的过程，即算法选择，旨在利用不同算法在问题实例集合上的互补性能。然而，确定针对未见问题实例的最优算法已被证明是一个具有挑战性的任务，这近年来已引起研究人员的广泛关注。在本综述中，我们对算法选择领域的关键贡献进行了概述。我们呈现了关于优化问题实例、算法实例及其相互作用的元特征表征学习的正在进行的工作。我们还研究了用于自动化算法选择、配置和性能预测的机器学习模型。通过这一分析，我们基于当前研究中的空白，提出了进一步发展元特征表征的想法。