sunny-as2：增强 SUNNY 的算法选择方法
人工智能
2023-03-21 v3 机器学习
摘要
SUNNY 是一种算法选择（AS）技术，最初为约束规划（CP）量身定制。SUNNY 能够从求解器组合中调度出在给定的 CP 问题上运行的一个求解器子集。该方法已被证明对 CP 问题有效，且其并行版本在 MiniZinc 挑战赛（一年一度的 CP 求解器国际竞赛）的 Open 类别中赢得众多金牌。2015 年，ASlib 基准发布用于比较来自不同领域（例如 ASP、QBF 和 SAT）的 AS 系统，SUNNY 被扩展以处理通用 AS 问题。这促成了 sunny-as2 的开发，一种基于 SUNNY 面向 ASlib 场景的算法选择器。sunny-as2 的初步版本提交于 2017 年 Open 算法选择挑战赛（OASC），其被证明是决策问题运行时间最小化的最佳方法。在本工作中，我们呈现 sunny-as2 的技术进展，包括：（i）基于包装器的特征选择；（ii）结合特征选择与邻域大小配置的训练方法；（iii）嵌套交叉验证的应用。我们展示了 sunny-as2 的性能如何随所考虑的 AS 场景而变化，并讨论其优势与不足。最后，我们也展示了 sunny-as2 相较提交至 OASC 的初步版本有何改进。
引用
@article{arxiv.2009.03107,
title = {sunny-as2: Enhancing SUNNY for Algorithm Selection},
author = {Tong Liu and Roberto Amadini and Jacopo Mauro and Maurizio Gabbrielli},
journal= {arXiv preprint arXiv:2009.03107},
year = {2023}
}