Doktorska disertacija
Zančilke problemske pokrajine in iskalnih trajektorij za avtomatizirano izbiro algoritmov v zvezni enokriterijski optimizaciji
Ogledi: 2 | Prenosi: 0
Povzetek
Zvezna enokriterijska optimizacija ima ključno vlogo pri reševanju raznolikih aplikativnih
problemov na področjih industrije, strojnega učenja in računalništva. Kljub obsežnim
raziskavam na področju optimizacije, noben algoritem ne izkazuje univerzalne učinkovitosti
za vse tipe problemov. Ta omejitev je spodbudila intenzivno raziskovalno zanimanje za
avtomatizirano izbiro algoritmov, katere osrednji cilj je vzpostaviti ustrezno povezavo med
posameznimi problemi in učinkovitostjo algoritmov na podlagi opisnih značilk problemskih
pokrajin.
Ta disertacija obravnava tri temeljne omejitve obstoječih metodologij za avtomatizirano
izbiro algoritmov pri zvezni enociljni optimizaciji. Prvič, naslavlja omejitve tradicionalnih
značilk problemskih pokrajin, kot so tiste iz Exploratory Landscape Analysis, z raziskovanjem
alternativnih predstavitev, pridobljenih z globokim učenjem in topološko analizo
podatkov. Drugič, opozarja na variabilnost in nedoslednosti v evalvacijskih protokolih
avtomatizirane izbire algoritmov, pri čemer posebej izpostavlja vpliv različnih strategij testiranja
na uspešnost in razložljivost modelov. Tretjič, uvaja značilke, utemeljene na poteh
optimizacijskih algoritmov, ki zajemajo dinamične interakcije med algoritmi in problemskimi
pokrajinami ter ponujajo dopolnilno perspektivo onkraj statičnih deskriptorjev.
V nasprotju s pričakovanji empirični rezultati kažejo, da novo predlagane značilke, čeprav
zajemajo dodatne vidike lastnosti problemov, ne izboljšajo točnosti izbire algoritmov
v primerjavi z obstoječimi značilkami. Poleg tega modeli, zasnovani tako na tradicionalnih
kot tudi na novih naborih značilk, izkazujejo omejeno splošno uporabnost, zlasti kadar
so ovrednoteni v zahtevnejših testnih pogojih ali na raznolikih problemskih domenah. Ti
rezultati poudarjajo trajno zahtevnost razvoja robustnih modelov za izbiro algoritmov ter
potrebo po izboljšanih evalvacijskih standardih in bolj izraznih, splošno uporabnih značilkah.
S sistematično evalvacijo različnih vrst značilk za avtomatizirano izbiro algoritmov disertacija
ponuja poglobljeno analizo delovanja značilk in modelov, ki jih ti uporabljajo.
Prav tako izpostavlja obstoječe omejitve pri izbiri algoritmov ter nakazuje nadaljnji razvojni
potencial tega področja v zvezni enociljni optimizaciji.
Ključne besede
značilke avtomatizirana izbira algoritmov enociljna optimizacija problemske pokrajine black-box single-objective optimization algorithms doctoral dissertation