Digitalni repozitorij raziskovalnih organizacij Slovenije

Izpis gradiva
A+ | A- | Pomoč | SLO | ENG

Naslov:A cross-benchmark examination of feature-based algorithm selector generalization in single-objective numerical optimization
Avtorji:ID Cenikj, Gjorgjina, Institut Jožef Stefan (Avtor)
ID Petelin, Gašper, Institut Jožef Stefan (Avtor)
ID Eftimov, Tome, Institut Jožef Stefan (Avtor)
Datoteke:URL URL - Izvorni URL, za dostop obiščite https://www.sciencedirect.com/science/article/pii/S2210650224000725?ref=pdf_download&fr=RR-2&rr=88747ba19cc40e85
 
.pdf PDF - Predstavitvena datoteka, prenos (2,49 MB)
MD5: 419C0FFF6D0C63381D3BF48BAB80CFFE
 
Jezik:Angleški jezik
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:Logo IJS - Institut Jožef Stefan
Povzetek:The task of selecting the best optimization algorithm for a particular problem is known as algorithm selection (AS). This involves training a model using landscape characteristics to predict algorithm performance, but a key challenge remains: making AS models generalize effectively to new, untrained benchmark suites. This study assesses AS models’ generalizability in single-objective numerical optimization across diverse benchmark suites. Using Exploratory Landscape Analysis (ELA) and transformer-based (TransOpt) features, the research investigates their individual and combined effectiveness in AS across four benchmarks: BBOB, AFFINE, RANDOM, and ZIGZAG. AS models perform differently based on benchmark suite similarities in algorithm performance distributions and single-best solvers. When suites align, these models underperform against a baseline predicting mean algorithm performance; yet, they outperform the baseline when suites differ in performance distributions and solvers. The AS models trained using the ELA landscape features are better than the models trained using the TransOpt features on the BBOB and AFFINE benchmark suites, while the opposite is true for the RANDOM benchmark suite. Ultimately, the study reveals challenges in accurately capturing algorithm performance through problem landscape features (ELA or TransOpt), impacting AS model applicability.
Ključne besede:algorithm selection, multi-target regression, generalization, benchmarking
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:06.02.2024
Datum sprejetja članka:06.03.2024
Datum objave:11.04.2024
Založnik:Elsevier
Leto izida:2024
Št. strani:1-17 str.
Številčenje:Vol. 87
Izvor:Nizozemska
PID:20.500.12556/DiRROS-18964 Novo okno
UDK:004
ISSN pri članku:2210-6510
DOI:10.1016/j.swevo.2024.101534 Novo okno
COBISS.SI-ID:192973315 Novo okno
Avtorske pravice:© 2024 The Authors.
Opomba:Opis vira z dne 18. 4. 2024; Nasl. z nasl. zaslona;
Datum objave v DiRROS:21.05.2024
Število ogledov:674
Število prenosov:623
Metapodatki:XML DC-XML DC-RDF
:
CENIKJ, Gjorgjina, PETELIN, Gašper in EFTIMOV, Tome, 2024, A cross-benchmark examination of feature-based algorithm selector generalization in single-objective numerical optimization. Swarm and evolutionary computation [na spletu]. 2024. Vol. 87, p. 1–17. [Dostopano 8 april 2025]. DOI 10.1016/j.swevo.2024.101534. Pridobljeno s: https://dirros.openscience.si/IzpisGradiva.php?lang=slv&id=18964
Kopiraj citat
  
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Swarm and evolutionary computation
Založnik:Elsevier
ISSN:2210-6510
COBISS.SI-ID:175366403 Novo okno

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0098
Naslov:Računalniške strukture in sistemi
Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:J2-4460
Naslov:Auto-OPT: Avtomatizirana izbira in konfiguracija eno-kriterijskih zveznih optimizacijskih algoritmov
Financer:Drugi - Drug financer ali več financerjev
Program financ.:Young Researcher’s Program
Številka projekta:PR-12393
Financer:Drugi - Drug financer ali več financerjev
Program financ.:Young Researcher’s Program
Številka projekta:PR-11263

Licence

Licenca:CC BY-NC 4.0, Creative Commons Priznanje avtorstva-Nekomercialno 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc/4.0/deed.sl
Opis:Licenca Creative Commons, ki prepoveduje komercialno uporabo, vendar uporabniki ne rabijo upravljati materialnih avtorskih pravic na izpeljanih delih z enako licenco.
Začetek licenciranja:11.04.2024

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:algoritmi, večciljne regresije, analize


Nazaj