알고리즘 선택 모델의 성공을 위해서는 입력 데이터 선택이 중요하다. 본 연구는 포트폴리오 내 솔버들을 잘 구분할 수 있는 차별화된 트레이닝 샘플을 생성하는 메타 접근법을 제안한다.
이 연구는 연속 비단조 DR-부모듈러 최대화 문제에 대한 새로운 통찰과 개선된 근사 알고리즘을 제공한다. 구체적으로 다음과 같은 기여를 한다: 정상점이 임의로 나쁜 근사비를 가질 수 있음을 보이고, 이를 바탕으로 정상점 근처의 해를 제거하는 것이 중요함을 밝힌다. 기존 이산 도메인 알고리즘을 연속 도메인으로 확장하여 동일한 근사비를 달성할 수 있음을 보인다. 이를 통해 매개변수 조정의 유연성을 확보하여 근사비를 개선할 수 있다. 리아푸노프 함수 기반의 체계적인 접근법을 활용하여 0.385 근사 알고리즘을 제안하고, 이것이 최적 해법임을 보인다.