 |
Sélection automatique d'opérateurs dans un arbre de recherche de Monte-Carlo pour la coloration de graphe pondéré
1 : LERIA - Université d'Angers
Université d'Angers : EA2645
2 : LERIA, Université d'Angers
Université d'Angers : EA2645, Université d\'Angers : EA2645, Université d\'Angers : EA2645
Ce travail présente une approche hyper-heuristique avec apprentissage en ligne, qui combine la recherche arborescente de Monte Carlo avec de multiples opérateurs de recherche locale sélectionnés à la volée pendant la recherche.
Les impacts de différents critères de sélection sont étudiés, biais proportionnel, bandit manchot et apprentissage profond.
Des expériences sur des benchmark du problème de coloration de sommets pondérés sont menées pour mettre en évidence les avantages et les limites de chaque stratégie de sélection dynamique.
