基于元学习推荐的优化算法自动选择框架与实证分析
来源：计算机应用杂志2017年第4期北京时间：
作者：崔建双, 刘晓婵, 杨美华, 李雯燕
单位：北京科技大学 东凌经济管理学院, 北京 100083
摘要：算法选择的目的是从众多可用优化算法中自动地选出最适用于当前问题的算法。针对算法选择问题提出了基于元学习推荐的优化算法自动选择框架。依据此框架，以多模式资源受限的项目调度问题为实证数据集，设计实现了遗传算法（GA）、粒子群算法（PSO）和模拟退火算法（SA）三种算法的自动选择过程。从项目调度问题数据库中随机选取了378个问题算例，提取其中的固有特征和统计特征作为元数据，并利用前馈型神经网络（FNN）算法训练获得用于预测的元模型对未见算例作出预测。实证结果表明两选一的算法预测准确率最高可超过95%，交叉验证准确率平均达到85%；三选一的算法预测准确率最高可达92%，交叉验证准确率平均超过80%。实证结果验证了所提算法选择框架是成功的，基于元学习思想的优化算法自动选择方法是可行的。
关键词：算法自动选择,元学习,元模型,实证分析,预测准确率
基金资助：国家自然科学基金资助项目（71471016）。
