BINGO! 简单优化器在问题压缩到少数“桶”时大获成功
软件工程
2025-06-06 v1
摘要
传统的软件工程中的多目标优化往往缓慢且复杂。本文引入 BINGO 现象：一种新现象，软件工程数据 surprisingly 压缩到极少数可能的解“桶”中（例如，从 4096 个可能中仅使用 100 个）。我们展示了 BINGO 现象在 39 个软件工程问题中的普遍性。利用这一点，我们比最先进的方法快 10000 倍，效果相当。我们的新算法（LITE 和 LINE）表明，简单随机选择可以匹配像 DEHB 这样的复杂优化器。这项工作解释了为何简单方法在软件工程中成功——数据占据可能性的小角落——并指导何时应用它们，挑战了 CPU 密集型优化的需求。我们的数据和代码已公开于 GitHub（见 anon-artifacts/bingo）。
引用
@article{arxiv.2506.04509,
title = {BINGO! Simple Optimizers Win Big if Problems Collapse to a Few Buckets},
author = {Kishan Kumar Ganguly and Tim Menzies},
journal= {arXiv preprint arXiv:2506.04509},
year = {2025}
}