两篇新的研究论文探讨了为连续黑盒优化任务选择最佳算法的新颖方法。其中一篇论文GeoPAS使用几何探测来创建目标景观的二维切片，对这些切片进行编码以表示问题实例，然后根据复合分数选择求解器。另一篇使用CNN的论文将探测到的景观可视化为等高线图，将这些图像输入卷积神经网络以预测求解器性能并指导选择。这两种方法都旨在显著优于依赖单一最佳求解器，在各种优化场景中展示出更高的效率和鲁棒性。 AI
影响 这些新颖的算法选择方法可能在各种科学和工程领域带来更高效、更鲁棒的优化过程。
排序理由 两篇在arXiv上发表的学术论文，详细介绍了优化中算法选择的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.09095v3 Announce Type: replace Abstract: Automated algorithm selection for continuous black-box optimization depends on representing problem information under limited probing and selecting solvers under heavy-tailed performance distributions. This paper proposes a geom…
The present paper introduces a new representation-driven approach to per-instance algorithm selection, applied to black-box optimization, for automatically choosing the most promising solver from a fixed portfolio. Prior work in continuous optimization largely relies on numerical…