研究人员开发了一种新指标——加权变异性得分(WVS),用于量化和预测混合整数规划(MIP)求解器中的性能变异性。该指标汇总了重复运行中运行时间、最优间隙和其他因素的离散度。对MIPLIB 2017实例的实验显示,虽然许多问题是稳定的,但有些问题表现出显著的变异性,而这种变异性无法用简单的属性来解释。一个使用早期运行特征的预测模型实现了0.058的平均绝对误差,表明变异性是系统性的,并且可以部分预测,从而为抢先调优和更公平的算法评估提供了一个工具。 AI
影响 这项研究为更可靠的优化算法评估提供了一个框架,这可能间接影响依赖此类求解器的人工智能研究。
排序理由 学术论文,介绍用于计算研究的新指标和预测模型。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →