Key points are not available for this paper at this time.
参数调优,即寻找算法的适当参数设置(或配置)以优化其性能,是元启发式算法开发和应用中的一项重要任务。自动化这一任务,即开发算法程序来解决参数调优问题,非常受期待,并且吸引了研究人员和实践者的极大关注。过去二十年间,许多自动参数调优方法被提出。本文对元启发式算法的自动参数调优方法进行了全面综述。根据调优方法的结构,提出了一种自动参数调优方法的新分类(或分类法)。现有的自动参数调优方法因此分为三类:1)简单的生成-评估方法;2)迭代的生成-评估方法;3)高级的生成-评估方法。随后,本文依次回顾了这三类调优方法。除了对每种调优方法的描述外,还讨论了它们的主要优缺点,这有助于新研究者或实践者选择合适的调优方法进行使用。此外,本文还指出了该领域的若干挑战和未来研究方向。
Building similarity graph...
Analyzing shared references across papers
Loading...
Changwu Huang
Yuanxiang Li
Xin Yao
IEEE Transactions on Evolutionary Computation
University of Birmingham
Wuhan University
Southern University of Science and Technology
Building similarity graph...
Analyzing shared references across papers
Loading...
Huang等人(Fri,)研究了这个问题。
www.synapsesocial.com/papers/69da7cd5ae64bec32b835f68 — DOI: https://doi.org/10.1109/tevc.2019.2921598
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: