A statistical learning based approach for parameter fine-tuning of metaheuristics
Calvet Liñan, Laura (Universitat Oberta de Catalunya)
Juan, Ángel A., dir. (Universitat Autònoma de Barcelona. Departament de Telecomunicació i Enginyeria de Sistemes)
Serrat, Carles (Universitat Politècnica de Catalunya. Departament de Matemàtica Aplicada I)
Ries, Jana (University of Portsmouth. Portsmouth Business School)

Date:	2016
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.
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Language:	Anglès
Document:	Article ; recerca ; Versió publicada
Subject:	Parameter fine-tuning ; Metaheuristics ; Statistical learning ; Biased randomization
Published in:	SORT : statistics and operations research transactions, Vol. 40 Núm. 1 (January-June 2016) , p. 201-224 (Articles) , ISSN 2013-8830

Adreça alternativa: https://raco.cat/index.php/SORT/article/view/310078

24 p, 294.5 KB

The record appears in these collections:
Articles > Published articles > SORT
Articles > Research articles