คำถามติดแท็ก heuristics

คำอธิบายเชิงทฤษฎีอะไรบ้างที่จะช่วยให้นักแก้ปัญหา SAT ประสบความสำเร็จในทางปฏิบัติและใครบางคนสามารถให้ภาพรวมและคำอธิบายแบบ "วิกิพีเดีย" และผูกคำอธิบายทั้งหมดไว้ด้วยกัน? โดยการเปรียบเทียบการวิเคราะห์ที่ราบรื่น ( เวอร์ชั่น arXiv )) สำหรับอัลกอริธึม simplex เป็นงานที่ยอดเยี่ยมที่อธิบายว่าทำไมมันทำงานได้ดีในทางปฏิบัติแม้ว่าข้อเท็จจริงที่ว่ามันต้องใช้เวลาชี้แจงในกรณีที่เลวร้ายที่สุดและรุ่นNP-mighty ( รุ่น arXiv ) ฉันเคยได้ยินนิดหน่อยเกี่ยวกับสิ่งต่าง ๆ เช่นแบ็คดอร์โครงสร้างของกราฟส่วนและการเปลี่ยนเฟส แต่ (1) ฉันไม่เห็นว่าสิ่งเหล่านี้เข้ากันได้อย่างไรเพื่อให้ได้ภาพที่มีขนาดใหญ่ขึ้น (ถ้าพวกเขาทำ) และ (2) ฉันไม่รู้ว่าสิ่งเหล่านี้อธิบายได้จริงหรือไม่ว่าเหตุใดนักแก้ปัญหา SAT จึงทำงานได้ดีเช่นในภาคอุตสาหกรรม นอกจากนี้เมื่อพูดถึงสิ่งต่าง ๆ เช่นโครงสร้างของส่วนคำสั่งกราฟ: เหตุใดนักแก้ปัญหาปัจจุบันจึงสามารถใช้ประโยชน์จากโครงสร้างกราฟส่วนคำสั่งบางอย่างได้ ฉันพบว่าผลลัพธ์เกี่ยวกับการเปลี่ยนเฟสเป็นเพียงบางส่วนที่น่าพอใจในเรื่องนี้อย่างน้อยก็ในความเข้าใจที่ จำกัด ของฉันในปัจจุบัน วรรณคดีการเปลี่ยนเฟสเกี่ยวข้องกับอินสแตนซ์ของการสุ่ม k-SAT แต่มันอธิบายอะไรเกี่ยวกับอินสแตนซ์ในโลกแห่งความเป็นจริงหรือ ฉันไม่ได้คาดหวังว่าอินสแตนซ์ของโลกแห่งความเป็นจริงของ SAT จะดูเหมือนอินสแตนซ์สุ่ม ฉันควร? มีเหตุผลหรือไม่ที่จะคิดว่าการเปลี่ยนเฟสบอกเราบางสิ่งบางอย่างแม้แต่สังหรณ์ใจเกี่ยวกับอินสแตนซ์ในโลกแห่งความเป็นจริงแม้ว่าพวกเขาจะดูไม่เหมือนอินสแตนซ์สุ่มหรือไม่? คำถามที่เกี่ยวข้องที่ช่วย แต่ไม่ตอบคำถามของฉันอย่างสมบูรณ์โดยเฉพาะอย่างยิ่งคำขอผูกสิ่งต่าง ๆ เข้าด้วยกันเป็นภาพที่สอดคล้องกัน: ทำไมจึงมีความแตกต่างอย่างมากระหว่างนักแก้ปัญหา SAT? …

43 cc.complexity-theory  ds.algorithms  sat  heuristics 

ปัญหาการแต่งงานที่มั่นคง: http://en.wikipedia.org/wiki/Stable_marriage_problem ฉันทราบว่าสำหรับอินสแตนซ์ของ SMP นั้นการแต่งงานที่มีเสถียรภาพอื่น ๆ อีกมากมายนั้นเป็นไปได้นอกเหนือจากขั้นตอนวิธีการส่งคืนโดย Gale-Shapley อย่างไรก็ตามถ้าเราได้รับเพียง , จำนวนชาย / หญิง, เราถามคำถามต่อไปนี้ - เราสามารถสร้างรายการการตั้งค่าที่ให้การแต่งงานที่มีจำนวนสูงสุดได้หรือไม่? ขอบเขตบนของจำนวนนั้นคืออะไร?nnn

24 ds.algorithms  co.combinatorics  graph-algorithms  heuristics  matching 

จะมีปัญหาใด ๆ ที่สมบูรณ์ NP ไม่มีเซตอนันต์ของกรณีดังกล่าวว่าสมาชิกในสามารถตัดสินใจในเวลาพหุนามและสำหรับทุก ,จะสามารถแก้ไขได้ในเวลาพหุนาม? (สมมติว่า )ไวx ∈ ไวx P ≠ N PΦΦ\PhiΦΦ\Phix∈Φx∈Φx \in \PhixxxP≠NPP≠NPP \neq NP

18 cc.complexity-theory  np-complete  heuristics 

ผมอยากจะคำนวณtreewidthของกราฟ มีฮิวริสติกที่ดีมากสำหรับปัญหากราฟ NP-hard อื่น ๆ เช่นVF2สำหรับมอร์ฟอร์มอร์ฟิซึ่มย่อยกราฟที่มีโค้ดที่มีอยู่ในigraphเช่น ฉันลองพวกเขาในกราฟของฉันและพบว่ามันทำงานได้อย่างรวดเร็วสำหรับข้อมูลของฉัน มีอัลกอริธึมที่รวดเร็วสำหรับการคำนวณความน่าเชื่อถือในหลอดเลือดดำที่คล้ายกันหรือไม่?

18 ds.algorithms  graph-algorithms  treewidth  heuristics 

ฉันกำลังเตรียมเนื้อหาหลักสูตรเกี่ยวกับการวิเคราะห์พฤติกรรมเพื่อการเพิ่มประสิทธิภาพและได้รับการดูวิธีการประสานงานการสืบเชื้อสาย การตั้งค่าอยู่ที่นี่คือฟังก์ชันหลายตัวแปรที่คุณต้องการปรับให้เหมาะสม fมีคุณสมบัติที่ จำกัด ไว้ที่ตัวแปรเดี่ยวใด ๆ มันเป็นเรื่องง่ายที่จะเพิ่มประสิทธิภาพ ดังนั้นประสานงานโคตรรายได้โดยการขี่จักรยานผ่านพิกัดแก้ไขทั้งหมดยกเว้นหนึ่งที่เลือกและลดลงตามพิกัดนั้น ในที่สุดการปรับปรุงก็หยุดชะงักและคุณก็ยุติffffff คำถามของฉันคือ: มีการศึกษาเชิงทฤษฎีเกี่ยวกับวิธีการสืบเชื้อสายมาจากพิกัดที่พูดถึงอัตราการลู่เข้าและคุณสมบัติของที่ทำให้วิธีนี้ทำงานได้ดีหรือไม่? เห็นได้ชัดว่าฉันไม่ได้คาดหวังคำตอบทั่วไปอย่างสมบูรณ์ แต่คำตอบที่ให้ความกระจ่างกรณีที่การแก้ปัญหาไม่ดีจะเป็นประโยชน์fff Aside: เทคนิคการปรับให้เหมาะสมแบบสลับใช้สำหรับ means สามารถถูกมองว่าเป็นตัวอย่างของการประสานงานที่สืบทอดกันมาและอัลกอริทึมของ Frank-Wolfeดูจะเกี่ยวข้องกัน (แต่ไม่ใช่ตัวอย่างโดยตรงของกรอบงาน)kkk

14 ds.algorithms  reference-request  optimization  heuristics 

ในการนี้กระดาษโดย Kempe-Kleinberg-Tardos ผู้เขียนนำเสนอขั้นตอนวิธีโลภขึ้นอยู่กับฟังก์ชั่น submodular เพื่อตรวจสอบโหนดมีอิทธิพลมากที่สุดในกราฟกับการใช้งานเครือข่ายทางสังคมkkk โดยทั่วไปขั้นตอนวิธีจะเป็นดังนี้: S= e m p t y s e t S=empty setS = {\rm empty~set} เลือกโหนดที่มีอิทธิพลต่อบุคคลสูงสุดเรียกมันว่า ; S = S ∪ v 1โวลต์1v1v_1S= S∪ โวลต์1S=S∪v1S = S\cup v_1 ลบและขอบทั้งหมดที่เชื่อมต่อv 1กับส่วนที่เหลือของเครือข่ายโวลต์1v1v_1โวลต์1v1v_1 ทำซ้ำจนกระทั่งมีจุดยอดkSSSkkk ฉันมีคำถามสองข้อเกี่ยวกับโหนดที่มีอิทธิพลในเครือข่ายสังคมออนไลน์ a) มีอัลกอริธึมในการค้นหาวิธีแก้ปัญหาหรือประมาณโดยวิธีการกระจายอำนาจหรือไม่? b) มีใครบ้างที่ใช้อัลกอริธึมอื่น ๆ เช่นอันดับของหน้าและที่คล้ายคลึงกันเพื่อแก้ไขปัญหาเดียวกันหรือไม่?

13 ds.algorithms  graph-theory  dc.distributed-comp  social-sciences  heuristics 

Branch and bound เป็น heuristic ที่มีประสิทธิภาพสำหรับปัญหาการค้นหาและWikipedia แสดงจำนวนของปัญหาที่ยากลำบากที่มีการใช้ branch-and-bound อย่างไรก็ตามฉันไม่สามารถค้นหาข้อมูลอ้างอิงเพื่อแนะนำว่าเป็นมากกว่า "วิธีการหนึ่ง" ในการแก้ปัญหาเหล่านี้ โดยทั่วไปฉันได้ยินมาว่าฮิวริสติกที่ดีที่สุดสำหรับ SAT และการเขียนโปรแกรมจำนวนเต็มมาจากสาขาและขอบเขตดังนั้นคำถามของฉันคือ: ใครบางคนสามารถชี้ให้ฉันดูการอ้างอิงที่มีรายละเอียดเกี่ยวกับการใช้งานที่มีประสิทธิภาพของสาขาและถูกผูกมัดสำหรับปัญหา NP-hard

13 ds.algorithms  reference-request  optimization  heuristics 

ตัวแก้ปัญหา SMT เช่น Z3 หรือ Boolector ใช้ชุดฮิวริสติกที่ซับซ้อนเพื่อแก้ปัญหา อย่างไรก็ตามสิ่งนี้ยังทำให้การทำนายประสิทธิภาพของตัวแก้ปัญหาดังกล่าวนั้นยากมาก คำถามของฉันคือ: คำถาม มีวิธีที่จะเข้าใจหรือรับข้อมูลเชิงลึกเกี่ยวกับประสิทธิภาพของตัวแก้ปัญหา SMT สำหรับสิ่งที่เฉพาะเจาะจงในทฤษฎีของ bitvectors ที่ไม่มีปริมาณ (QFBV) หรือไม่? นอกจากนี้ยังรวมถึงเครื่องมือสร้างภาพข้อมูลใด ๆ ที่จะช่วยให้เข้าใจว่าตัวแก้ปัญหา "ติดอยู่" / ไม่ก้าวหน้า การประยุกต์ใช้งาน ทำความเข้าใจล่วงหน้าว่าการเข้ารหัสที่แตกต่างกันของปัญหาเดียวกันมีผลต่อประสิทธิภาพการแก้ปัญหาอย่างไร (สถานะของศิลปะที่นี่ไม่สามารถเป็น "แค่ลองการเข้ารหัสที่แตกต่างกันสองสามข้อและหวังว่าจะเร็วพอ") หากปัญหาที่ระบุไม่สามารถแก้ไขได้ด้วยตัวแก้ปัญหา SMT เนื่องจากข้อ จำกัด ด้านเวลาให้หาวิธีในการแสดงปัญหาที่แตกต่างเพื่อให้สามารถแก้ไขได้ หลีกเลี่ยงการเสียเวลาในการแก้ปัญหาเฉพาะโดเมนที่จะไม่ส่งผลต่อประสิทธิภาพของตัวแก้ปัญหาทั้งหมดหรือแม้กระทั่งส่งผลเสียต่อประสิทธิภาพของตัวแก้ปัญหา การวิจัยที่มีอยู่ ฉันพยายามค้นหางานวิจัยในหัวข้อนี้ แต่ฉันไม่สามารถหาได้มากนัก ฉันยังไม่มีประสบการณ์มากนักในการแก้ปัญหา SAT / SMT ดังนั้นจึงต้องขออภัยหากฉันพลาดบางสิ่งไป SATzilla : ทำนายตัวแก้ประสิทธิภาพที่ดีที่สุดตามคุณลักษณะที่สกัดจากปัญหาโดยใช้เทคนิคการเรียนรู้ของเครื่อง สิ่งนี้ใช้กับ SAT แทน SMT เท่านั้นและไม่ได้อธิบายถึงเหตุผลในการแก้ปัญหาประสิทธิภาพการทำงาน Z3 …

9 ds.algorithms  sat  heuristics 

ฉันกำลังมองหารายการปัญหาการเพิ่มประสิทธิภาพ NP-hard ที่มีการวิจัยเชิงรุกในการแก้ปัญหาเชิงปฏิบัติสำหรับการแก้ปัญหาและมีเกณฑ์มาตรฐานทั่วไปที่ผู้คนพยายามเอาชนะ ตัวอย่างรวมถึง: การสร้างต้นไม้ขึ้นใหม่จากสายวิวัฒนาการ (ฮิวริสติกเช่นที่นี่ ) พนักงานขายเดินทาง (ไม่ค่อยกระตือรือร้น แต่LKHเป็นที่รู้จักกันดี) โดยเฉพาะอย่างยิ่งฉันกำลังมองหาพื้นที่ของการวิจัยที่ผู้คนสนใจเรื่องค่าใช้จ่ายที่เกิดขึ้นจริง (เช่น TSP หรือ phylogeny ที่กล่าวถึงข้างต้น) เช่นการค้นหาต้นไม้ตัดสินใจไม่ใช่สิ่งที่ฉันกำลังมองหาเนื่องจากมีเพียงไม่กี่คนที่สนใจเกี่ยวกับความสูงของต้นไม้ที่เกิดขึ้น

9 heuristics 

ฉันกำลังสอนหลักสูตรเกี่ยวกับเมตา - ฮิวริสติกและต้องการสร้างตัวอย่างที่น่าสนใจของปัญหา combinatorial แบบคลาสสิกสำหรับโครงการระยะ ให้ความสำคัญกับ TSP เราแก้ปัญหากราฟที่มีขนาดตั้งแต่ขึ้นไป ฉันพยายามสร้างกราฟที่มีเมทริกซ์ราคาด้วยค่าที่นำมาจากการสุ่มและพบว่า (ตามที่คาดไว้) ฮิสโตแกรมสำหรับต้นทุนเส้นทาง (วาดโดยการสุ่มเส้นทางสุ่มจำนวนมาก) ได้ การกระจายปกติที่แคบมาก (คือแต่อยู่ที่ ) ซึ่งหมายความว่าในความคิดของฉันว่าปัญหาเป็นเรื่องง่ายมากเนื่องจากเส้นทางแบบสุ่มส่วนใหญ่จะต่ำกว่าค่าเฉลี่ยและเส้นทางต้นทุนขั้นต่ำใกล้เคียงกับเส้นทางแบบสุ่ม200200200U(0,1)U(0,1)U(0,1)μμ\mu 100 100~100σσ\sigma444 ดังนั้นฉันจึงลองวิธีต่อไปนี้: หลังจากสร้าง -matrix แล้วให้เดินสุ่มรอบกราฟและสุ่ม (เบอร์นูลลีที่มี ) สองเท่าหรือลดค่าของขอบลงครึ่งหนึ่ง นี้มีแนวโน้มที่จะลดค่าทั้งหมดในที่สุดก็ถึงศูนย์ แต่ถ้าผมใช้เวลาเพียงตัวเลขทางขวาของขั้นตอนที่ผมจะได้รับการจัดจำหน่ายกับรอบและรอบ1U(0,1)U(0,1)U(0,1)p=0.5p=0.5p=0.5μμ\mu222σσ\sigma111 คำถามของฉันคือก่อนอื่นนี่เป็นคำนิยามที่ดีสำหรับปัญหาที่น่าสนใจหรือไม่? ในอุดมคติแล้วฉันต้องการอินสแตนซ์ที่มีหลายโมดอลสูง (สำหรับฟังก์ชั่นพื้นที่ใกล้เคียงทั่วไป) และมีเส้นทางน้อยมากที่อยู่ใกล้กับค่าต่ำสุดดังนั้นโซลูชันแบบสุ่มส่วนใหญ่จะอยู่ไกลจากจุดที่เหมาะสมที่สุด คำถามที่สองคือจากคำอธิบายนี้ฉันจะสร้างอินสแตนซ์ที่มีคุณสมบัติดังกล่าวได้อย่างไร

9 ds.algorithms  co.combinatorics  optimization  tsp  heuristics 

เนื่องจากเป็นวันศุกร์ถึงเวลาถามคำถาม CW ฉันกำลังมองหาฮิวริสติกที่ใช้อย่างกว้างขวางในปัญหาการปรับให้เหมาะสม หากต้องการ จำกัด ขอบเขตให้กับการวิเคราะห์พฤติกรรมที่เป็นมิตรกับทฤษฎีมากกว่านี้นี่คือกฎ (บางข้อก็ได้บางข้อ) ควรเป็นวิธีที่กำหนดไว้อย่างดีโดยไม่มีพารามิเตอร์จำนวนมากและมีเวลาในการทำงานที่เป็นรูปธรรม มันควรจะมีผลทางทฤษฎีที่รู้จักกันที่เกี่ยวข้องกับมัน (อัตราการบรรจบกันการประมาณขอบเขตถ้ามีคุณสมบัติเครื่องเขียนและอื่น ๆ ) ควรมีการบังคับใช้ที่กว้างขวางและแอปพลิเคชั่นหลักอย่างน้อยหนึ่งตัวซึ่งเป็นวิธีการเลือกหรือหนึ่งในไม่กี่ตัว มันไม่ควรได้รับแรงบันดาลใจจากธรรมชาติ (ในขณะนี้ดูเหมือนว่าเป็นการคัดค้านเล็ก ๆ น้อย ๆ ฉันกำลังพยายามแยกอัลกอริธึมทางพันธุกรรมการเพิ่มประสิทธิภาพฝูงมดและสิ่งที่คล้ายกัน) คำตอบควรอยู่ในรูปแบบต่อไปนี้: นี่คือตัวอย่าง ชื่อ : การสลับ optimizaton เป้าหมาย : ย่อขนาด a (โดยทั่วไปไม่ใช่แบบ nonconvex)f(x,y)f(x,y)f(x,y) เงื่อนไข : ฟังก์ชั่นที่เกี่ยวข้องg(x)=minyf(x,y)g(x)=minyf(x,y)g(x) = \min_y f(x,y)และนูนh(y)=minxf(x,y)h(y)=minxf(x,y)h(y) = \min_x f(x,y) อัลกอริทึม :ย้ำเริ่มต้นด้วยy_iithithi^{\text{th}}xi,yixi,yix_i, y_i xi+1←argminxf(x,yi)xi+1←arg⁡minxf(x,yi)x_{i+1} \leftarrow \arg \min_x f(x, y_i) yi+1←argminyf(xi+1,y)yi+1←arg⁡minyf(xi+1,y)y_{i+1} …

9 ds.algorithms  reference-request  optimization  heuristics