大規模インスタンスセットにおけるアルゴリズム選択パイプラインの計算予算動的再配分によるパフォーマンス向上

科学分野:

• 最適化
• 機械学習
• 計算パフォーマンス

背景:

• アルゴリズム選択（AS）は、ポートフォリオからのソルバーパフォーマンスの最適化に不可欠です。
• 大規模なインスタンスセット（ストリーミングまたはバッチ）は、効率を向上させる機会を提供します。
• 現在のASメソッドは、予算節約および再配分戦略を完全に活用していない可能性があります。

研究 の 目的:

• 関数評価予算を最適化する強化されたASパイプラインを開発すること。
• インテリジェントに計算リソースを節約および再配分することにより、全体的なパフォーマンスを向上させること。
• バッチとストリーミングの両方のシナリオで提案されたパイプラインを評価すること。

主な方法:

• 簡単なインスタンスの特定、停滞した実行の切り捨て、保存された予算の再配分という3つの主要な戦略を持つASパイプラインを実装しました。
• 追加の関数評価から最も利益を得るインスタンスを予測するためのインテリジェントな戦略を利用しました。
• バッチおよびストリーミングの両方の設定でBBOBデータセットで実験を実施しました。

主要な成果:

• 強化されたASパイプラインは、バッチおよびストリーミングの両方の設定で標準パイプラインを大幅に上回りました。
• 簡単なインスタンスを特定し、停滞した実行を切り捨てることで、計算予算を効果的に節約しました。
• インテリジェントな予算再配分により、ダウンストリームインスタンスのパフォーマンスが向上しました。

結論:

• 予算節約および再配分戦略でASパイプラインを拡張すると、全体的なパフォーマンスが向上します。
• 提案されたパイプラインは、大規模な最適化における計算リソースの管理に大幅な改善を提供します。
• このアプローチは、バッチ処理とリアルタイムデータストリームの両方に効果的です。