实体
LeadingOnes
LeadingOnes
PulseAugur coverage of LeadingOnes — every cluster mentioning LeadingOnes across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
LLMs 在 Lean 中设计具有机器检查运行时界限的进化算法
研究人员开发了一种新颖的流程，该流程使用大型语言模型（LLMs）来设计进化算法并对其效率进行数学证明。该系统利用 Lean 证明器来筛选和验证提出的算法，已成功为各种优化问题生成了具有保证运行时界限的算法。值得注意的是，它为 CycleUncover 问题设计了一种预期运行时为 O(n^2) 的算法，其性能明显优于传统的（1+1）EA 的指数级运行时。这种方法展示了 LLMs 在自动化算法发现和验证方面的潜力，取代了传统的经验评估。
-
强化学习超启发式算法在LeadingOnes基准测试中实现最优运行时间
一篇新论文严格分析了强化学习超启发式算法（RLHH）在LeadingOnes基准函数上的性能。先前的研究表明RLHH在此基准测试中表现不佳，但本研究证明，通过特定的参数设置，RLHH在使用两个随机局部搜索算子时可以实现最优期望运行时间。实验结果表明，这种优化的RLHH优于具有已证明最优期望运行时间的Generalised Random Gradient HH。
-
新的超启发式算法可自动调整优化问题的参数
研究人员开发了一种新的超启发式方法，该方法可自动调整伪布尔问题的优化学习周期这一关键学习参数。此方法消除了对该参数进行手动调整的需要，而手动调整以前对用户来说是一项艰巨的任务。新方法已被证明可以有效地选择最优的邻域大小，从而在LeadingOnes等基准测试中实现最佳优化时间。