利用按优化编程提升随机局部搜索在最大顶点权团问题上的性能
人工智能
2020-02-28 v1
摘要
最大顶点权团问题（MVWCP）是最大团问题（MCP）的重要推广，具有广泛的实际应用。在不需要关于解最优性的严格保证的情形下，MVWCP 通常用随机局部搜索（SLS）算法求解，这也定义了该问题求解的当前最优水平。然而，没有单一的 SLS 算法能在所有类别的 MVWCP 实例上均给出最佳性能，且有效识别每类 MVWCP 实例最合适算法颇具挑战。本工作中，我们遵循按优化编程（PbO）范式，开发一个新的、灵活的、高度参数化的 SLS 框架求解 MVWCP，首次结合多种有效启发式机制。通过自动配置该 PbO-MWC 框架，我们在广泛著名基准（包括两个源自移植医学（肾脏交换）和研究卓越评估实际应用的基准）上实现了 MVWCP 求解当前最优水平的实质性推进。
引用
@article{arxiv.2002.11909,
title = {Improving the Performance of Stochastic Local Search for Maximum Vertex Weight Clique Problem Using Programming by Optimization},
author = {Yi Chu and Chuan Luo and Holger H. Hoos and QIngwei Lin and Haihang You},
journal= {arXiv preprint arXiv:2002.11909},
year = {2020}
}