محققان در پژوهشی جدید، رویکرد متفاوتی را برای «انتخاب خودکار الگوریتم» در بهینهسازی ارائه کردهاند. برخلاف روشهای سنتی که به مدلهای یادگیری نظارتشده (Supervised) و هزینهبر وابسته هستند، این متد جدید از «یادگیری با چند هسته» (Multi-kernel Learning) بهصورت بدوننظارت (Unsupervised) استفاده میکند.
در این روش، مسئلههای مختلف بر اساس ویژگیهای چشمانداز (Landscape) خود دستهبندی میشوند تا بهترین الگوریتم حلکننده برای آنها بدون نیاز به برچسبهای عملکردی انتخاب شود. این دستاورد به ویژه در کاهش هزینههای محاسباتی برای الگوریتمهایی مثل تکامل تفاضلی (DE) بسیار موثر است. 🚀
سازی
منبع: arXiv Machine Learning