Технология машинного обучения для решения задач оптимизации

Question

Рассмотрим задачу оптимизации некоторого измерения n, учитывая некоторый линейный набор уравнений (неравенств) или ограничений на входы, которые образуют выпуклую область, находя максимальное \ минимальное значение некоторого выражения, которое является некоторой линейной комбинацией входов (или размеры). * * +1001

Для больших измерений эти задачи оптимизации требуют много времени, чтобы дать точный ответ.

Итак, можем ли мы использовать методы машинного обучения, чтобы получить какое-то приблизительное решение за меньшее время.

если мы можем использовать методы машинного обучения в этом контексте, каким должен быть учебный набор ??

Answer 1

Вы имеете в виду "Насколько большим должен быть тренировочный набор?" Если это так, то это вопрос «как долго это кусок строки». Он должен быть достаточно большим для используемого алгоритма и представлять данные, которые моделируются.

Answer 2

Мне не кажется, что я особенно сосредоточен на машинном обучении, как обычно подразумевается под этим термином.Это просто прямая ограниченная задача оптимизации.Вы говорите, что поиск решений занимает слишком много времени, но вы не упоминаете, как пытаетесь решить проблему.

Симплексный алгоритм разработан для такой задачи, но в худшем случае он экспоненциальный.Это то, что ты пытаешься, это занимает слишком много времени?Если это так, есть тонны метаэвристики, которые могут хорошо работать.Поиск по табу, моделируемый отжиг, эволюционные алгоритмы, поиск с переменной глубиной, даже простые многозвенные альпинисты.Возможно, я бы попробовал что-то в этом духе, прежде чем попробовать что-нибудь экзотическое.