DistNet：用于预测算法运行时分布的神经网络
许多用于解决人工智能中难题组合问题的先进算法都包含随机性元素，即使对于固定的问题实例，也会导致运行时间的高变异性。关于给定问题实例上算法产生的运行时分布 (RTD) 的知识可以在各种元算法过程中加以利用，例如算法选择、组合和随机重启。我们使用神经网络来处理这项任务，并证明 RTD 的参数应该联合学习，并且神经网络可以通过直接优化给定运行时观测值的 RTD 的似然性来很好地完成这项工作。
K. Eggensperger, M. Lindauer, F. Hutter
用于预测算法运行时分布的神经网络
国际人工智能联合会议 (IJCAI’18) 会议论文集