无权重随机局部搜索可有效解决随机 CSP 基准问题
人工智能
2014-12-01 v1
摘要
我们提出了 ULSA，一种针对随机二元约束满足问题 (CSP) 的新型随机局部搜索算法。在一套广泛研究的随机 CSP 基准测试中，ULSA 的速度比先前的最先进方法快数倍。与针对这些基准的最佳先前方法不同，ULSA 是一种简单的无权重方法，不需要动态调整权重或惩罚项。ULSA 在具有挑战性的 frb100-40 基准实例中获得了新的最佳记录解，满足了 100 个变量中的 99 个。
引用
@article{arxiv.1411.7480,
title = {Unweighted Stochastic Local Search can be Effective for Random CSP Benchmarks},
author = {Christopher D. Rosin},
journal= {arXiv preprint arXiv:1411.7480},
year = {2014}
}