A statistical learning based approach for parameter fine-tuning of metaheuristics

dc.contributor.author
Calvet Liñan, Laura
dc.contributor.author
Juan Pérez, Ángel Alejandro
dc.contributor.author
Serrat Piè, Carles
dc.contributor.author
Ries, Jana
dc.date
2017-12-14T13:42:00Z
dc.date
2017-12-14T13:42:00Z
dc.date
2016-01
dc.identifier.citation
Calvet Liñan, L., Juan, A.A., Serrat, C. & Ries, Jana (2016). "A statistical learning based approach for parameter fine-tuning of metaheuristics". SORT: Statistics and Operations Research Transactions, 40(1), pp. 1-24. ISSN 1696-2281.
dc.identifier.citation
1696-2281
dc.identifier.citation
http://www.doi.org/10.2436/20.8080.02.41
dc.identifier.uri
http://hdl.handle.net/10609/70716
dc.description.abstract
Metaheuristics are approximation methods used to solve combinatorial optimization problems. Their performance usually depends on a set of parameters that need to be adjusted. The selectionof appropriate parameter values causes a loss of efficiency, as it requires time, and advanced analytical and problem-specific skills. This paper provides an overview of the principal approaches to tackle the Parameter Setting Problem, focusing on the statistical procedures employed so far by the scientific community. In addition, a novel methodology is proposed, which is tested using an already existing algorithm for solving the Multi-Depot Vehicle Routing Problem.
dc.description.abstract
Las metaheurísticas son métodos de aproximación utilizados para resolver problemas combinatorios de optimización. Su rendimiento generalmente depende de un conjunto de parámetros que deben ajustarse. La selección de valores de parámetros apropiados causa una pérdida de eficiencia, ya que requiere tiempo y habilidades analíticas avanzadas y específicas de un problema. Este documento proporciona una visión general de los principales enfoques para abordar el problema de configuración de parámetros, centrándose en los procedimientos estadísticos empleados hasta ahora por la comunidad científica. Además, se propone una nueva metodología, que se prueba utilizando un algoritmo ya existente para resolver el problema de enrutamiento de vehículos de varios depósitos.
dc.description.abstract
Les metaheurístiques són mètodes d'aproximació utilitzats per resoldre problemes combinatoris d'optimització. El seu rendiment generalment depèn d'un conjunt de paràmetres que s'han d'ajustar. La selecció de valors de paràmetres apropiats causa una pèrdua d'eficiència, ja que requereix temps i habilitats analítiques avançades i específiques d'un problema. Aquest document proporciona una visió general dels principals enfocaments per abordar el problema de configuració de paràmetres, centrant-se en els procediments estadístics emprats fins ara per la comunitat científica. A més, es proposa una nova metodologia, que es prova utilitzant un algoritme ja existent per resoldre el problema d'enrutament de vehicles de diversos dipòsits.
dc.language.iso
eng
dc.publisher
SORT: Statistics and Operations Research Transactions
dc.rights
CC BY-NC-ND
dc.rights
https://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.rights
info:eu-repo/semantics/openAccess
dc.subject
parameter fine-tuning
dc.subject
metaheuristics
dc.subject
statistical learning
dc.subject
biased randomization
dc.subject
ajust de paràmetres
dc.subject
metaheurístiques
dc.subject
aprenentatge estadístic
dc.subject
aleatorització esbiaixada
dc.subject
ajuste de parámetros
dc.subject
metaheurísticas
dc.subject
aprendizaje estadístico
dc.subject
aleatorización sesgada
dc.subject
Mathematical optimization
dc.subject
Optimització matemàtica
dc.subject
Optimización matemática
dc.title
A statistical learning based approach for parameter fine-tuning of metaheuristics
dc.type
info:eu-repo/semantics/article


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Articles [361]