Краткое содержание

arXiv:2509.15810v2 Тип объявления: замена-перекрёстная Аннотация: Для снижения интенсивной потребности в экспертизе человека при разработке алгоритмов оптимизации последние исследования в области мета-чёрноящичной оптимизации (MetaBBO) используют силу обобщения метообучения для тренировки политик проектирования алгоритмов на основе нейронных сетей на заранее определённом наборе тренировочных задач, что автоматизирует адаптацию низкоуровневых оптимизаторов к невидимым ранее экземплярам проблем. В настоящее время распространённым выбором набора тренировочных задач в существующих методах MetaBBO является известный бенчмарковый набор CoCo-BBOB. Хотя такой выбор способствует развитию методов MetaBBO, разнообразие экземпляров задач в CoCo-BBOB ограничено, что повышает риск переобучения моделей MetaBBO и может привести к ухудшению способности к обобщению. В данной работе мы предлагаем подход к генерации экземпляров задач, названный **LSRE**, который позволяет создавать разнообразные тренировочные экземпляры задач для MetaBBO, способствующие обучению более универсальных стратегий. LSRE сначала тренирует автоэнкодер, который...