Tuning Metaheuristics: A Machine Learning Perspective

اهمیت تنظیم فراابتکاری به طور گسترده در ادبیات علمی تایید شده است. با این حال، تحقیقات اختصاصی بسیار کمی در مورد این موضوع وجود دارد. به طور معمول، دانشمندان و پزشکان فراابتکاری را با دست تنظیم می کنند و تنها با تجربه آنها و برخی قوانین سرانگشتی هدایت می شوند. تنظیم فراابتکاری اغلب بیشتر یک هنر در نظر گرفته می شود تا علم.

این کتاب پایه های یک رویکرد علمی برای تنظیم فراابتکاری را می گذارد. شهود اساسی که زیربنای رویکرد بیراتاری است این است که مشکل تنظیم شباهت زیادی با مشکلاتی دارد که معمولاً در یادگیری ماشین با آن مواجه می‌شوند. با اتخاذ دیدگاه یادگیری ماشین، نویسنده یک تعریف رسمی از مسئله تنظیم ارائه می دهد، یک الگوریتم عمومی برای تنظیم فراابتکاری ایجاد می کند، و یک روش تجربی مناسب برای ارزیابی عملکرد فراابتکاری تعریف می کند.

The importance of tuning metaheuristics is widely acknowledged in scientific literature. However, there is very little dedicated research on the subject. Typically, scientists and practitioners tune metaheuristics by hand, guided only by their experience and by some rules of thumb. Tuning metaheuristics is often considered to be more of an art than a science.

This book lays the foundations for a scientific approach to tuning metaheuristics. The fundamental intuition that underlies Birattari's approach is that the tuning problem has much in common with the problems that are typically faced in machine learning. By adopting a machine learning perspective, the author gives a formal definition of the tuning problem, develops a generic algorithm for tuning metaheuristics, and defines an appropriate experimental methodology for assessing the performance of metaheuristics.