Using Reinforcement Learning for Per-Instance Algorithm Configuration on the TSP

Automated Algorithm Configuration (AAC) usually takes a global perspective: it identifies a parameter configuration for an (optimization) algorithm that maximizes a performance metric over a set of instances. However, the optimal choice of parameters strongly depends on the instance at hand and shou...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	IEEE Symposium on Computational Intelligence in Multi-Criteria Decision Making S. 361 - 368
Hauptverfasser:	Vinzent Seiler, Moritz, Rook, Jeroen, Heins, Jonathan, Ludger Preub, Oliver, Bossek, Jakob, Trautmann, Heike
Format:	Tagungsbericht
Sprache:	Englisch
Veröffentlicht:	IEEE 05.12.2023
Schlagworte:	Artificial neural networks Benchmark testing Computational modeling Deep Reinforcement Learning Measurement Optimization Per-Instance Algorithm Configuration Prediction algorithms Reinforcement learning Traveling Salesperson Problem
ISSN:	2472-8322
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!