在该论文中 ， 研究者描述了当时已有的多个模型、该研究所提模型的系列扩展和改进 ， 并阐述了将算法参数作为模型输入的处理方法 。 该论文还全面描述了用于预测布尔可满足性问题（SAT）、旅行推销员问题（TSP）和混合整数规划问题（MIP） 的算法运行时的多个特征 ， 包括在该研究模型中用到的特征和以往模型中用到的特征 。 研究者通过同类问题中最大型的实验分析来评估所提模型的一些创新 ， 并与文献中的各种运行时建模技术进行比较 。 该研究的实验考虑了 11 种算法和 35 个实例分布 ， 涵盖了非常广泛的 SAT、MIP 和 TSP 实例 ， 并且这些实例中结构化程度最低的是随机均匀生成的 ， 结构化程度最高的则是从实际行业应用中获取的 。 总的来说 ， 该研究所提模型在对新问题实例和参数化空间新算法的泛化以及同时对两者的泛化方面 ， 都能比以往方法产生更好的运行时预测 。

文章图片

AIJ 经典论文奖表彰的是至少 15 年前发表在《Artificial Intelligence》杂志上的具有非凡意义和影响力的杰出论文 。 今年的 AIJ 经典论文奖颁给了 Leslie Pack Kaelbling 等人 1998 年发表的一篇文章 。 论文作者表示 ， 这篇文章是他们 1994 年发表在 AAAI 上的一篇文章的期刊加长版 ， 1994 年那个版本还拿到了 AAAI 经典论文奖 。
获奖论文：《Planning and acting in partially observable stochastic domains》

文章图片

• 作者：Leslie Pack Kaelbling（MIT）、Michael L.Littman（布朗大学）、Anthony R.Cassandra（RVshare）
• 论文链接：https://www.sciencedirect.com/science/article/pii/S000437029800023X

【等奖项|IJCAI 2021开幕：程序主席周志华揭晓热门研究主题，杰出论文等奖项出炉】在这篇论文中 ， 研究者将运筹学中的技术引入到部分可观测随机域的最优行为选择问题中 。 他们首先介绍了马尔可夫决策过程理论（mdps）和部分可观察 MDPs（pomdps）；然后概述了离线求解 pomdps 的新算法 ， 并展示了如何在某些情况下 ， 从某个 pomdp 的解中提取 finite-memory 控制器 。 最后 ， 他们讨论了该方法如何与以前的工作相联系、寻找 pomdps 精确解的复杂性 ， 以及寻找近似解的一些可能性 。