探索-利用-评估 (EEE): 用于组合优化中元启发式算法的框架
计算与语言
2026-04-08 v4
摘要
我们提出了一个用于应用元启发式算法(如蚁群优化 ACO)于组合优化问题(COPs)(如旅行商问题 TSP)的框架。该框架由三个顺序阶段组成:对参数空间的广泛探索、对顶级性能参数的利用,以及不确定性定量 (UQ) 用于评估结果的可靠性。作为案例研究,我们将 ACO 应用于 TSPLIB berlin52 数据集,该数据集已知最优旅行路线长度为 7542。通过我们的框架,我们计算在单次运行中 ACO 找到全局最优解的概率约为 1/40,聚合十次运行后提升到 1/5。
引用
@article{arxiv.2510.05026,
title = {Idiom Understanding as a Tool to Measure the Dialect Gap},
author = {David Beauchemin and Yan Tremblay and Mohamed Amine Youssef and Richard Khoury},
journal= {arXiv preprint arXiv:2510.05026},
year = {2026}
}
备注
Accepted to ACL 2026 findings