算法实例足迹：分离易解和具有挑战性的问题实例
摘要：算法实例在一些问题实例上有效而在其他问题实例上失败的原因是黑盒优化中至关重要的，需要对其行为进行解释。我们提出了一种方法来确定算法实例的足迹，其中包括一组易解决的问题实例和一组难以解决的问题实例。通过与问题实例的地形特性相结合，进一步解释了哪些特征使某些问题实例变得容易或具有挑战性。所提出的方法使用元表示法将问题实例的地形特性和算法性能嵌入到同一向量空间中。这些元表示法通过训练监督式机器学习回归模型进行算法性能预测，并应用模型可解释性技术来评估地形特征对性能预测的重要性来获取。然后，对元表示法的确定性聚类表明，使用它们可以捕捉算法在整个空间中的表现，并检测到性能差和良好的算法性能区域，同时解释了哪些地形特性导致这种情况。
作者：Ana Nikolikj, Sav{s}o Dv{z}eroski, Mario Andr''es Mu~noz, Carola Doerr, Peter Korov{s}ec, Tome Eftimov
论文ID：2306.00479
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-06-02