16、约束编程与无导数优化的价值启发式学习

约束编程与无导数优化的价值启发式学习

在优化问题的求解中，价值启发式学习和无导数优化是两个重要的研究方向。价值启发式学习能够帮助约束编程更高效地找到解决方案，而无导数优化则致力于解决目标函数信息有限的优化问题。下面将详细介绍这两方面的相关内容。

约束编程中的价值启发式学习

在约束编程里，价值启发式对搜索策略的效果有着重要影响。为了学习价值启发式，通常会结合得分函数、特征选择和机器学习。

• 得分函数示例 ：以任务分配 x[3] = 4 为例，自定义得分函数为 1 * open before[3, 4] + 1 * open before[3, 15] + 1 * open before[3, 27] + 1 * open before[3, 29] - 4 。而使用偏最小二乘回归学习得到的得分函数有更多项，其中系数绝对值较大的项包括 28.716 * open before[3, 4] 、 28.740 * open before[3, 15] 等。可以发现，自定义得分函数中重要的特征在学习得到的得分函数里系数也较大，不过学习函数中也有一些自定义函数里没有的项，可能代表着其他有用的特征。
• 实验设置
  • 问题类型 ：实验涵盖了最小化开放栈问题（MOSP）、人才调度问题（Talent）、资源受限项目调度问题（RCPSP）、护士调度问题（Nurse）、旅行商问题（TSP）和软汽车排序问题（Car