条件马尔可夫链搜索中的利用策略：以三索引分配问题为例
人工智能
2024-02-02 v1
摘要
条件马尔可夫链搜索（CMCS）是一个用于离散组合优化问题元启发式算法自动设计的框架。给定一组算法组件，如爬山算法和变异算子，CMCS决定以何种顺序应用这些组件。这些决策由可离线学习的CMCS配置决定。CMCS没有接受准则；框架接受任何移动。因此，它特别擅长探索，但在利用方面较弱。在本研究中，我们探索了该框架的几种扩展以提升其利用能力。为了进行计算研究，我们将该框架应用于三索引分配问题。我们的实验结果表明，两阶段CMCS确实优于单阶段CMCS。
引用
@article{arxiv.2402.00076,
title = {Exploitation Strategies in Conditional Markov Chain Search: A case study on the three-index assignment problem},
author = {Sahil Patel and Daniel Karapetyan},
journal= {arXiv preprint arXiv:2402.00076},
year = {2024}
}
备注
14 pages