Questions tagged «heuristics»

启发式算法是一种可以普遍应用于许多问题(例如,梯度下降,交替优化,模拟退火)的过程,但通常不会为其使用带来正式保证。

5
SAT解算器实际成功的理论解释?
对于SAT解算器的实际成功有什么理论上的解释,有人可以给出“维基百科式”的概述和解释,将它们全部绑在一起吗? 以此类推,单纯形算法的平滑分析(arXiv版本)很好地解释了为什么它在实践中如此有效,尽管事实是在最坏的情况下它花费指数时间并且是NP强大的(arXiv版本)。 我已经听说了一些有关后门,子句图的结构和相变之类的信息,但是(1)我看不到它们如何组合在一起以提供更大的图像(如果有的话),以及(2)我不知道这些是否真的能解释为什么SAT求解器在例如工业实例上如此出色地工作。此外,当涉及子句图的结构时:为什么当前的求解器能够利用某些子句图的结构? 至少在我目前有限的理解中,我仅发现部分满足此要求的相变结果。相变文献是关于随机 k-SAT 实例的,但这真的可以解释有关真实实例的任何信息吗?我不希望SAT的实际实例看起来像随机实例。我是不是该?是否有理由认为,相变即使看起来并不像随机实例,也可以直观地告诉我们有关真实实例的信息? 相关问题虽然有帮助,但并不能完全回答我的问题,尤其是要求将事物捆绑到一张连贯的图片中的要求: 为什么SAT求解器之间存在巨大差异? 哪些SAT问题很容易? 树宽和随机3SAT的实例硬度之间有什么关系?

5
对于稳定婚姻问题,稳定婚姻的最大数目是多少?
稳定的婚姻问题:http : //en.wikipedia.org/wiki/Stable_marriage_problem 我知道,对于一个SMP实例,除了Gale-Shapley算法返回的婚姻以外,还有许多其他稳定的婚姻。但是,如果只给定,即男女人数,我们会问以下问题-我们能否构建一个能够提供最大稳定婚姻数目的偏好列表?这样一个数字的上限是多少?nnn


5
快速树宽算法
我想计算图的树宽。对于其他NP硬图问题,例如用于子图同构的VF2,确实有很好的启发法,例如在igraph中可用的代码。我在图形上尝试了它们,发现它们对我的数据运行非常快。 有没有类似的方法可以快速计算树宽?

4
坐标下降法的理论研究
我正在准备一些启发式的课程材料以进行优化,并且一直在研究协调下降方法。这里的设置是您要优化的多元函数。f具有限制为任何单个变量的属性,因此很容易优化。因此,坐标下降是通过循环遍历坐标,固定除选定坐标之外的所有坐标并沿该坐标最小化而进行的。最终,改进缓慢而停止,您就终止了。ffffff 我的问题是:是否有任何关于坐标下降法的理论研究都涉及收敛速度,以及使该方法运行良好的性质,等等?显然,我不希望得到完全通用的答案,但是可以阐明启发式方法很好的情况的答案会有所帮助。fff 另外:用于均值的交替优化技术可以看作是坐标下降的一个示例,而Frank-Wolfe算法似乎是相关的(但不是框架的直接示例)kkk

2
确定社交网络中影响节点的分散算法
在Kempe-Kleinberg-Tardos的这篇论文中,作者提出了一种基于子模函数的贪心算法,用于确定图中的最具影响力的节点,并将其应用于社交网络。kkk 基本上,算法如下: S=empty setS=empty setS = {\rm empty~set} 选择个人影响力最高的节点,将其称为;v1v1v_1S=S∪v1S=S∪v1S = S\cup v_1 删除和连接所有边缘到网络的其余部分v1v1v_1v1v1v_1 重复直到有个顶点SSSkkk 关于社交网络中的影响节点,我有两个问题。 a)是否有任何算法可以找到解决方案,或者以分散方式对其进行近似? b)是否有人应用其他算法(例如Page-Rank和类似算法)来解决同一问题?

3
NP难题的分支定界方法的成功应用
分支定界法是一种有效的启发式搜索方法,维基百科列出了许多使用分支定界法的难题。但是,我无法找到引用来暗示它不仅仅是解决这些问题的“一种方法”。 有趣的是,我听说SAT和整数编程的一些最佳启发式方法来自分支定界,所以我的问题是: 有人可以指出任何参考资料,详细介绍对NP难题的有效使用branch and bound吗?

1
了解QFBV SMT求解器的性能
诸如Z3或Boolector之类的SMT求解器使用一组复杂的试探法来解决问题。但是,这也使得很难针对给定问题预测此类求解器的性能。因此,我的问题是: 题 有没有一种方法可以针对无量值比特向量(QFBV)理论中的特定内容理解或了解SMT求解器的性能? 这也包括任何有助于理解求解器“卡滞” /未取得进展的可视化工具。 应用领域 预先了解同一问题的不同编码如何影响求解器性能(此处的最新技术不能是“仅尝试几种不同的编码并希望一种编码足够快”,对吗?) 如果由于时间限制SMT求解器无法解决给定的问题,请找到一种不同的方式表达问题,以便可以解决。 避免将时间浪费在特定于域的问题简化上,这些问题根本不会影响求解器的性能,甚至不会对求解器的性能产生负面影响。 现有研究 我试图找到有关此主题的研究,但是却找不到很多。我在SAT / SMT求解器领域还没有太多经验,所以如果我错过了一些东西,我们深表歉意。 SATzilla:使用机器学习技术,根据从问题中提取的特征,预测性能最佳的求解器。 这仅适用于SAT而非SMT,并且不能解释求解器性能的原因。 Z3公理分析器 Z3实例图的可视化和匹配循环的分析 看起来这只专注于量化理论。

2
NP难题列表,在实践启发式方法中进行了积极的研究
我正在寻找NP困难优化问题的列表,在这些问题中,有一些实用的启发式方法正在积极研究以解决这些问题,并且有一些共同的基准可供人们尝试。 示例包括:系统发育树的重建(例如此处的启发式)旅行商(不是很活跃,但是LKH是众所周知的) 更具体地说,我正在寻找人们真正关心产生的成本(例如上述的TSP或系统发育)的研究领域。例如,找到决策树并不是我要寻找的东西,因为很少有人关心结果树的高度。

2
产生有趣的组合优化问题
我正在教授一门有关元启发式的课程,并且需要为该术语项目生成有趣的经典组合问题实例。让我们专注于TSP。我们正在处理尺寸图200200200和更大。我当然尝试生成具有成本矩阵的图形,该矩阵的值取自随机U(0,1)U(0,1)U(0,1),并发现(如预期的那样)路径成本的直方图(通过采样大量随机路径得出)的正态分布非常窄(μμ\mu 是 100 100~100 但 σσ\sigma 在附近 444)。在我看来,这意味着问题很容易,因为大多数随机路径都将低于平均值,而最小成本路径非常接近随机路径。 因此,我尝试了以下方法: U(0,1)U(0,1)U(0,1)-矩阵,在图表上随机走很长一段距离,然后随机(Bernoulli与 p=0.5p=0.5p=0.5)将边缘的值加倍或减半。这往往会降低所有值,最终达到零,但是如果我采取正确的步骤数,则可以得到μμ\mu 周围 222 和 σσ\sigma 周围 111。 我的问题是,首先,这是否是一个有趣问题的良好定义?理想情况下,我需要一个高度多模态的实例(对于最常见的邻域函数),并且在极小值附近只有很少的路径,因此大多数随机解都离最优值很远。第二个问题是,给出此描述后,如何生成具有此类特征的实例?

1
启发式优化
既然是星期五,是时候问CW了。我正在寻找在优化问题中广泛使用的启发式方法。为了将范围限制为更“理论友好”的启发式方法,以下是规则(有些是任意的,有些不是) 它应该是定义明确的方法,没有大量参数,并且具有具体的运行时间(可能是每次迭代) 它应该具有一些与之相关的已知理论结果(收敛速度,近似边界(如有),平稳性质等) 它应该具有广泛的适用性,并且至少是一种旗舰应用程序,无论是选择方法还是其中几种方法之一。 它不应该受到大自然的启发(尽管这似乎是轻率的反对,但我试图排除遗传算法,蚁群优化等)。 理想情况下,答案应采用以下格式:这是一个示例。 名称:交替优化 目标:最小化(通常是非凸的)函数F(x ,y)f(x,y)f(x,y) 条件:相关功能G(x )=分ÿF(x ,y)g(x)=minyf(x,y)g(x) = \min_y f(x,y) 和 ħ (ÿ)=分XF(x ,y)h(y)=minxf(x,y)h(y) = \min_x f(x,y) 是凸的 算法:一世日ithi^{\text{th}} 迭代开始于 X一世,ÿ一世xi,yix_i, y_i。 xi+1←argminxf(x,yi)xi+1←arg⁡minxf(x,yi)x_{i+1} \leftarrow \arg \min_x f(x, y_i) yi+1←argminyf(xi+1,y)yi+1←arg⁡minyf(xi+1,y)y_{i+1} \leftarrow \arg\min_y f(x_{i+1}, y) 最知名的应用程序:kkk-表示,迭代最接近的对。 理论:关于的已知结果kkk-手段,框架全局最优的一般充分条件 ps:您可能会发现您的答案最终成为了我正在计划的算法研讨会的演讲:)
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.