Core Concepts
Empirische kumulative Verteilungsfunktionen ermöglichen eine umfassende Analyse der Leistung von MaxSAT Local Search Solvern.
Abstract
Zahlreiche Solver für das MaxSAT-Problem wurden entwickelt.
Bewertung basiert oft auf der Qualität der besten Lösungen innerhalb eines Zeitbudgets.
Empirische kumulative Verteilungsfunktionen ermöglichen eine differenzierte Analyse der Leistung.
ECDFs können die Leistung der Solver über verschiedene Zeitbudgets hinweg vergleichen.
Hyperparameter-Optimierung mit ECDFs führt zu besseren Konfigurationen.
Die Studie zeigt, dass ECDFs eine wertvolle Metrik für die Leistungsverbesserung von Algorithmen sind.
Einleitung
Zahlreiche Solver für das MaxSAT-Problem existieren.
Bewertung basiert oft auf der Qualität der besten Lösungen innerhalb eines Zeitbudgets.
Empirische kumulative Verteilungsfunktionen ermöglichen eine differenzierte Analyse der Leistung.
Datenextraktion
"Wir haben ECDFs an 100 spezifischen Optimierungszeiten berechnet."
"Die ECDFs wurden über verschiedene Probleminstanzen aggregiert."
"Die ECDFs wurden für 50 Optimierungszeiten berechnet."
"Die ECDFs wurden für 100 spezifische Optimierungszeiten berechnet."
Zitate
"ECDF kann die Leistung der Solver über verschiedene Zeitbudgets hinweg messen."
"Die ECDFs können die Solver unterscheiden, die in Bezug auf die Leistung als identisch gelten."
Stats
Wir haben ECDFs an 100 spezifischen Optimierungszeiten berechnet.
Die ECDFs wurden über verschiedene Probleminstanzen aggregiert.
Die ECDFs wurden für 50 Optimierungszeiten berechnet.
Die ECDFs wurden für 100 spezifische Optimierungszeiten berechnet.
Quotes
"ECDF kann die Leistung der Solver über verschiedene Zeitbudgets hinweg messen."
"Die ECDFs können die Solver unterscheiden, die in Bezug auf die Leistung als identisch gelten."