多邻域局部搜索算法中邻域行为的表征
人工智能
2016-03-22 v1
摘要
我们考虑一种具有大量可能邻域的多邻域局部搜索算法。每个邻域附带一个权重值，代表每次迭代中被选择的概率。这些权重在算法运行前固定，并被视为算法的参数。给定一组实例，算法的离线调参可通过自动算法配置工具（例如SMAC）完成。然而，即使已通过某些直觉减少了参数数量，大量的邻域仍会使调参昂贵且困难。本工作中，我们提出一种系统方法表征每个邻域的行为，将其表示为特征向量，并使用聚类分析形成相似的邻域组。我们表征方法的新颖之处在于能够反映行为随不同解质量区域的难度而发生的变化。我们表明，使用邻域簇而非单个邻域有助于减少参数配置空间，且不会误导调优过程的搜索。此外，该方法是问题无关的，并有可能应用于类似语境。
引用
@article{arxiv.1603.06459,
title = {Characterization of neighborhood behaviours in a multi-neighborhood local search algorithm},
author = {Nguyen Thi Thanh Dang and Patrick De Causmaecker},
journal= {arXiv preprint arXiv:1603.06459},
year = {2016}
}
备注
13 pages