实体
TransOptAS: Transformer-Based Algorithm Selection for Single-Objective Optimization
TransOptAS: Transformer-Based Algorithm Selection for Single-Objective Optimization
PulseAugur coverage of TransOptAS: Transformer-Based Algorithm Selection for Single-Objective Optimization — every cluster mentioning TransOptAS: Transformer-Based Algorithm Selection for Single-Objective Optimization across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
关系
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的无监督多核学习方法用于自动化算法选择
研究人员开发了一种新颖的无监督多核学习方法，用于黑盒优化的自动化算法选择。该方法在聚类阶段不依赖性能标签，而是根据异构景观表示对问题实例进行分组。该方法利用多核k-means公式，在四个不同的景观视图（ELA、DeepELA、DoE2Vec和TransOptAS）中学习聚类分配和核权重。在差分进化和粒子群优化任务上的评估表明，这种无监督方法取得了强大的性能，特别是对于差分进化，并且在粒子群优化方面与领先的基线方法相比仍具有竞争力。
-
新研究揭示AI优化景观表示之间的一致性问题
一篇新论文评估了黑盒优化中使用的四种主流景观特征表示法：ELA、DeepELA、TransOptAS 和 DoE2Vec。研究发现，每种表示法都以不同的方式组织问题空间，其中 ELA 和 TransOptAS 形成紧凑的几何结构，DeepELA 提供均衡的视角，而 DoE2Vec 则显示出语义一致性但存在碎片化。研究表明，这些表示法捕捉了问题景观的互补方面，并提出没有任何单一表示法能够完全将结构描述与观察到的算法性能对齐。