5、自动化算法设计模型全解析

自动化算法设计模型全解析

1. 自动化算法设计研究分类

自动化算法设计的研究主要分为三条线，前两条采用自上而下的方法，最后一条采用自下而上的方法：
- 自上而下 ：前两条研究线有预定义的目标算法或算法池，得到的配置或选择的算法可能是同一目标算法或同一家族算法的新变体。
- 自下而上 ：自动化算法组合研究则利用给定的启发式方法或组件，自由组合通常是新的通用算法。

2. 自动化算法配置

自动化算法配置在过去二十年中得到了广泛研究，旨在减少算法设计中人力投入。
- 目标算法 ：主要涵盖启发式算法、局部搜索算法、进化算法和群体智能算法。
- 启发式和局部搜索算法 ：如禁忌搜索、模拟退火和可变邻域下降等。早期研究侧重于调整数值，近期也对邻域算子进行了自动配置。涉及的组合优化问题包括流水车间调度、车辆路径规划和旅行商问题等。
- 进化算法 ：不同类型的参数都有自动配置，多数研究集中在数值参数，如变异/交叉率、种群大小等。还包括分类、符号、条件和混合参数。算法类型涵盖遗传算法、进化算法、模因算法和连续进化算法等。问题领域广泛，从函数优化到多种组合优化问题。
- 群体智能算法 ：包括（多目标）蚁群优化和粒子群优化。蚁群优化的参数搜索空间较大，需要高效的自动配置方法。
- 配置平台和方法 ：使用统计技术、顺序模型优化和进化计算方法等，主要平台有 ISAC、F - Race、P