计算与优化中基于多样性的学习
人工智能
2017-03-24 v1
摘要
基于多样性的学习（DBL）源自元启发式领域引入的一系列原则和方法，这些原则和方法在计算和优化中有广泛应用。我们表明，DBL框架显著超越了Tizhoosh (2005)提出的更近的基于反向的学习（OBL）框架，后者已成为机器学习和元启发式优化中众多研究计划的焦点。我们统一并扩展了元启发式搜索中早期的提议（Glover, 1997, Glover and Laguna, 1997），提供了一系列在元启发式搜索中创建集中和多样化策略方面比OBL更灵活、更全面的方法。我们还描述了DBL在机器学习和优化的各个子领域中的潜在应用。
引用
@article{arxiv.1703.07929,
title = {Diversification-Based Learning in Computing and Optimization},
author = {Fred Glover and Jin-Kao Hao},
journal= {arXiv preprint arXiv:1703.07929},
year = {2017}
}
备注
17 pages