面向约束求解器组合的增强型特征提取器
人工智能
2014-04-03 v7 机器学习
摘要
近期研究表明，单个任意高效的求解器可能被一组平均速度较慢的求解器组合显著超越。求解器的选择通常通过利用从问题规范中提取特征的（无）监督学习技术来完成。在本文中，我们提出了一个有用且灵活的框架，能够从以不同建模语言（MiniZinc、FlatZinc 或 XCSP）定义的约束（满足/优化）问题中提取广泛的特征集。我们还报告了一些实证结果，表明使用这些特征所获得的性能是有效的，并与最先进的 CSP 组合技术具有竞争力。
引用
@article{arxiv.1308.0227,
title = {An Enhanced Features Extractor for a Portfolio of Constraint Solvers},
author = {Roberto Amadini and Maurizio Gabbrielli and Jacopo Mauro},
journal= {arXiv preprint arXiv:1308.0227},
year = {2014}
}