基于多标签k近邻方法实现元启发式算法的排名推荐

作     者：崔建双 尚天泽 杨帆 蔚婧文 CUI Jian-shuang;SHANG Tian-ze;YANG Fan;YU Jing-wen

作者机构：北京科技大学经济管理学院北京100083 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2022年第37卷第5期

页      面：1289-1298页

核心收录：

学科分类：0711[理学-系统科学] 08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 0701[理学-数学] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(71871017)。 

主　　题：多标签k近邻 元启发式算法 元学习 问题特征 地标特征 算法推荐 

摘      要：设计并研究一种基于多标签k近邻方法(multi-label k-nearest neighbor,ML-k NN)推荐元启发式算法的实现框架.应用多标签k近邻分类学习技术,实现最佳元启发式算法的排名推荐.为了验证效果,以多模式资源约束项目调度问题(MRCPSP)为优化对象,选取不同规模的数百个算例分别提取问题基本特征和地标特征;选用遗传、粒子群、禁忌搜索、蜂群和蚁群5种元启发式算法,使用ML-k NN建立元推荐模型;利用海明损失、单错误率、覆盖率、排位损失和平均准确率5个指标对推荐效果做出分析和评价.实验结果表明,基于ML-k NN方法推荐元启发式算法效果突出,其中基于地标特征的单错误率指标为18.4%,平均准确率达到88.9%.相对于k NN方法,MLk NN取得了更好的推荐结果.此外,ML-k NN方法可以实现对所有备选算法的排名推荐,该研究结论有望推广应用于其他组合优化问题的优化算法推荐.