求解约束满足问题的组合策略方法的实证评估
人工智能
2014-01-07 v2 机器学习
摘要
近期在 SAT 求解和整数线性规划等领域的研究表明，单个任意高效求解器的性能可能会被一组平均速度较慢的求解器组合显著超越。我们报告了应用于约束满足问题 (CSPs) 的组合策略方法的实证评估与比较。我们将基于现成机器学习算法开发的模型与 SAT 领域中使用并适配于 CSPs 的方法进行了比较，考虑了不同的组合规模，并使用已解决问题数量和求解时间作为评估指标。结果表明，最佳的 SAT 方法在 CSP 领域也表现出顶尖性能，且比基于分类算法构建的简单模型略具竞争力。
引用
@article{arxiv.1212.0692,
title = {An Empirical Evaluation of Portfolios Approaches for solving CSPs},
author = {Roberto Amadini and Maurizio Gabbrielli and Jacopo Mauro},
journal= {arXiv preprint arXiv:1212.0692},
year = {2014}
}