Компьютерные науки > Невральные и эволюционно-вычислительные компьютеры [представлен 16 сентября 2026 года] Название: Benchmarking Tabular Foundation Models to Surrogates in Expective Evolution Optimization View PDF HTML (экспериментальный) Резюме: Суррогатные эволюционные алгоритмы (SAEas) являются эффективными методами решения дорогостоящих проблем оптимизации (EOP), где сменяющие модели заменяются наиболее дорогостоящими оценками и оказывают серьезное влияние на окончательные результаты оптимизации. В последние годы стабилизировались табличные базовые модели, а сеть TabPFN (Tabular Predata Filmited Network) была принята в качестве суррогатной модели для ЕОП благодаря ее мощному прогнозированию, демонстрируя многообещающие результаты. В рамках этой работы, основанной на ее потенциале в качестве суррогатной модели в САЕА, проводится всеобъемлющее исследование, сочетающее обширные эксперименты и углубленный теоретический анализ для изучения эффективности TabPFN. В частности, мы проводим эксперименты как в офлайновых, так и в онлайн-настройках SAEA, охватывая различные сценарии проблем, такие как однообъектные, многоцелевые, ограниченные, комбинированные, смешанные и инженерные проблемы оптимизации. Кроме того, мы дополнительно анализируем преимущества и ограничения ТАППН в рамках САЕА и представляем практические руководящие принципы для ее применения в различных условиях оптимизации. Результаты свидетельствуют о том, что эффективность TabPFN в значительной степени зависит от…
Базовая модель табульского фонда в качестве суррогатных средств, выделяемых на дорогостоящую эволюционную оптимизацию
arXiv:2609.18130v 1 Annuate Type: cross Brief: Surrogate-Administrors (SEAs) являются эффективными методами решения дорогостоящих проблем оптимизации (EOP), когда суррогатные модели заменяют наиболее дорогие оценки и оказывают критическое влияние на окончательные результаты оптимизации. В последние годы стабилизировались табличные базовые модели, а сеть TabPFN (Tabular Predata Filmited Network) была принята в качестве суррогатной модели для ЕОП благодаря ее мощному прогнозированию, демонстрируя многообещающие результаты. В рамках этой работы, основанной на ее потенциале в качестве суррогатной модели в САЕА, проводится всеобъемлющее исследование, сочетающее обширные эксперименты и углубленный теоретический анализ для изучения эффективности TabPFN. В частности, мы проводим эксперименты как в офлайновых, так и в онлайн-настройках SAEA, охватывая различные сценарии проблем, такие как однообъектные, многоцелевые, ограниченные, комбинированные, смешанные и инженерные проблемы оптимизации. В Аддитио