Video Experimental Relacionado
Updated: Jan 8, 2026
07:35
Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances
Published on: October 11, 2018
7.9K
Mejora del rendimiento de las canalizaciones de selección de algoritmos en grandes conjuntos de instancias mediante
1School of Computing, Engineering and the Built Environment, Edinburgh Napier University, UK q.renau2@napier.ac.uk.
Evolutionary computation
|December 19, 2025
Resumen
Este estudio presenta una canalización de selección de algoritmos (AS) mejorada. Guarda el presupuesto computacional en instancias fáciles o estancadas y lo reasigna a otras, mejorando el rendimiento general tanto para datos por lotes como en streaming.
Área de la Ciencia:
- Optimización
- Aprendizaje automático
- Rendimiento computacional
Sus antecedentes:
- La selección de algoritmos (AS) es crucial para optimizar el rendimiento del solucionador a partir de una cartera.
- Los grandes conjuntos de instancias, ya sean en streaming o por lotes, ofrecen oportunidades para mejorar la eficiencia.
- Los métodos actuales de AS pueden no aprovechar al máximo las estrategias de ahorro y reasignación de presupuesto.
Objetivo del estudio:
- Desarrollar una canalización de AS mejorada que optimice el presupuesto de evaluación de funciones.
- Mejorar el rendimiento general guardando y reasignando inteligentemente los recursos computacionales.
- Evaluar la canalización propuesta en escenarios de procesamiento por lotes y en streaming.
Principales métodos:
- Se implementó una canalización de AS con tres estrategias clave: identificación de instancias fáciles, interrupción de ejecuciones estancadas y reasignación del presupuesto ahorrado.
- Se utilizó una estrategia inteligente para predecir qué instancias se benefician más de las evaluaciones de funciones adicionales.
- Se realizaron experimentos en el conjunto de datos BBOB en entornos de procesamiento por lotes y en streaming.
Principales resultados:
- La canalización de AS mejorada superó significativamente a una canalización estándar en entornos de procesamiento por lotes y en streaming.
- La identificación de instancias fáciles y la interrupción de ejecuciones estancadas ahorraron eficazmente presupuesto computacional.
- La reasignación inteligente del presupuesto condujo a un mejor rendimiento en las instancias posteriores.
Conclusiones:
- Aumentar las canalizaciones de AS con estrategias de ahorro y reasignación de presupuesto mejora el rendimiento general.
- La canalización propuesta ofrece una mejora significativa para la gestión de recursos computacionales en la optimización a gran escala.
- Este enfoque es eficaz tanto para el procesamiento por lotes como para los flujos de datos en tiempo real.
