汽车排序问题的实例空间分析
最优化与控制
2021-08-23 v2 人工智能
机器学习
摘要
我们研究了解决汽车排序问题的一个重要研究问题，即哪些特征使得一个实例难以求解？为此，我们通过提取刻画实例的问题特征向量，对汽车排序问题进行了实例空间分析。为了可视化实例空间，使用降维技术将特征向量投影到二维空间。所得的二维可视化提供了关于用于测试的实例特征以及这些特征如何影响优化算法行为的新见解。该分析指导我们构建一组具有多种实例属性的新基准实例。我们证明这些新实例比先前的基准更具多样性，其中包含一些显著更难求解的实例。我们提出了两种求解汽车排序问题的新算法，并与文献中的四种现有方法进行比较。我们的新算法在该问题上表现出竞争力，但没有任何单一算法能在所有实例上超越其他所有算法。这一观察促使我们基于机器学习构建算法选择模型，以识别算法预期表现良好的实例空间中的细分区域。我们的分析有助于理解问题难度并为给定汽车排序问题实例选择合适的算法。
引用
@article{arxiv.2012.10053,
title = {Instance Space Analysis for the Car Sequencing Problem},
author = {Yuan Sun and Samuel Esler and Dhananjay Thiruvady and Andreas T. Ernst and Xiaodong Li and Kerri Morgan},
journal= {arXiv preprint arXiv:2012.10053},
year = {2021}
}