• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Pattern recognition >Neural Networks to Guide the Selection of Heuristics within Constraint Satisfaction Problems
【24h】

Neural Networks to Guide the Selection of Heuristics within Constraint Satisfaction Problems

机译：约束满足问题中指导启发式选择的神经网络

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Hyper-heuristics are methodologies used to choose from a set of heuristics and decide which one to apply given some properties of the current instance. When solving a Constraint Satisfaction Problem, the order in which the variables are selected to be instantiated has implications in the complexity of the search. We propose a neural network hyper-heuristic approach for variable ordering within Constraint Satisfaction Problems. The first step in our approach requires to generate a pattern that maps any given instance, expressed in terms of constraint density and tightness, to one adequate heuristic. That pattern is later used to train various neural networks which represent hyper-heuristics. The results suggest that neural networks generated through this methodology represent a feasible alternative to code hyper-heuristic which exploit the strengths of the heuristics to minimise the cost of finding a solution.
机译：超启发式算法是用于从一组启发式算法中进行选择并在给定当前实例的某些属性的情况下决定应用哪种方法的方法。当求解约束满足问题时，选择要实例化的变量的顺序会影响搜索的复杂性。我们提出了一种神经网络超启发式方法，用于约束满足问题中的变量排序。我们方法的第一步需要生成一个模式，该模式将以约束密度和紧密度表示的任何给定实例映射到一个适当的启发式方法。该模式后来用于训练代表超启发式算法的各种神经网络。结果表明，通过这种方法生成的神经网络代表了一种代码超启发式方法的可行替代方法，该方法利用启发式方法的优势来最大程度地减少寻找解决方案的成本。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号