DispatchAtlas솔버 추천기
추천기는 벤치마크 조건, 선언된 능력, 규모, 목표 유형, 예산 가정, 증거 계층으로부터 솔버를 순위 매깁니다. 아래 여섯 개의 선택 축을 설정하세요; 순위는 빌드 시 인라인된 솔버 메타데이터로부터 브라우저에서 계산되며 모든 적합을 설명합니다. 전역적으로 최고의 솔버를 결코 주장하지 않습니다.
Recommendations rank solvers from declared capabilities and benchmark characterization; the recommender never asserts a globally best solver.
8 solvers ranked by declared fit; never a globally best claim.
adpso · metaheuristic family · source: metadata · confidence: metadata-only
Fit: matches the current selection on declared capabilities.
Caveat: success-rate feedback is noisy on small swarms
age-moea-ii · metaheuristic family · source: metadata · confidence: metadata-only
Fit: matches the current selection on declared capabilities.
Caveat: geometry estimate is noisy on tiny first fronts
ant-colony · metaheuristic family · source: metadata · confidence: metadata-only
Fit: matches the current selection on declared capabilities.
apparent-tardiness-cost · dispatching family · source: metadata · confidence: metadata-only
Fit: matches the current selection on declared capabilities.
arithmetic-optimization · metaheuristic family · source: metadata · confidence: metadata-only
Fit: matches the current selection on declared capabilities.
Caveat: every member is regenerated around the best vector each iteration, so the returned order is the best observed rather than a monotone incumbent
artificial-bee-colony · metaheuristic family · source: metadata · confidence: metadata-only
Fit: matches the current selection on declared capabilities.
Caveat: the per-component neighbor move explores slowly on long priority vectors, so many iterations may be needed at large task counts
artificial-fish-swarm · metaheuristic family · source: metadata · confidence: metadata-only
Fit: matches the current selection on declared capabilities.
Caveat: each behaviour re-scores candidate positions, so an iteration costs several schedule evaluations per member
beam-search · constructive family · source: metadata · confidence: metadata-only
Fit: matches the current selection on declared capabilities.
Recommendation source: metadata, learned-model. Confidence is capped at metadata-only — a metadata recommendation is never reported as a learned-model one, and no solver is asserted as globally best.
신뢰도 라벨
| 라벨 | 의미 |
|---|---|
| metadata-only | 추천이 선언된 능력에만 기반합니다. |
| smoke-backed | 작은 결정적 실행이 인터페이스 경로를 뒷받침합니다. |
| pilot-backed | 파일럿 캠페인 증거가 검토를 통과했습니다. |
| evidence-grade | 완전 캠페인 증거가 통계 및 증거-계층 게이트를 통과했습니다. |
현재 추천기 번들은 metadata-only 입니다.
추천 출처
각 추천은 출처를 선언하므로 메타데이터 추천이 학습 모델 추천으로 오인되는 일이 결코 없습니다:
| 출처 | 근거 | 가질 수 있는 신뢰도 |
|---|---|---|
| metadata | 선언된 솔버 능력과 벤치마크 특성화만; 학습 모델 없음. | metadata-only |
| learned-model | 과거 최고-솔버 결과의 라벨링된 코퍼스로 훈련된 지도 모델. | 누출 없는 홀드아웃 평가가 pilot-backed 또는 evidence-grade 로 올릴 때까지 metadata-only |
learned-model 추천은 아래의 누출 없는 프로토콜 하에 홀드아웃 일반화가 측정될 때까지 metadata-only 로 유지됩니다; 훈련 세트 적합으로부터 신뢰도를 결코 빌리지 않습니다.
선택 특징
선택기는 고정된 벤치마크 특성화 특징 집합에 대해 순위를 매깁니다. 각 특징은 그것이 읽는 특성화 지표를 명명합니다:
| 특징 | 출처 지표 |
|---|---|
| difficulty | 집계 난이도 점수(경합, 과부하, 의존성 깊이, 솔버 민감도) |
| heterogeneity | 리소스 종류 이질성 |
| objective_conflict | 목표 충돌 지표 |
| uncertainty | 불확실성 지표 |
| dynamism | 릴리스 범위 동적성 지표 |
| solver_sensitivity | 솔버 민감도 지표 |
누출 없는 교차 검증
지도 선택기는 훈련 적합이 아니라 홀드아웃 일반화를 보고합니다. 라벨링된 코퍼스는 어떤 인스턴스, 어떤 벤치마크 패밀리, 어떤 특성화 기록도 훈련 분할과 테스트 분할 양쪽에 나타나지 않도록 분할됩니다; 선택기는 나머지 패밀리에서 훈련되고 홀드아웃 패밀리에서 채점됩니다. 라벨링된 코퍼스는 비교 캠페인에서 비롯되므로, 그 캠페인이 라벨을 공급할 때까지 선택기는 검증되지 않은 성능을 주장하는 대신 연기를 명시적으로 보고합니다.
학습 및 하이브리드 인터페이스
추천기는 일곱 개의 명명된 학습·하이브리드 인터페이스를 제공합니다. 둘은 여기서 구현됩니다 — 지도 알고리즘 선택과 벤치마크-전용 베이스라인 — 그리고 다섯(대리-보조 탐색, 강화학습 훅, 하이퍼휴리스틱, 정책-유도 수리, 학습된 초기화)은 훈련 데이터를 생산하는 캠페인에 실현이 좌우되는 명명된 인터페이스로 등록되어 있습니다. 중량 백엔드는 선택적 엑스트라입니다; 엑스트라가 없으면 인터페이스는 기본적으로 무언가를 임포트하는 대신 그 결정적 기본값으로 폴백합니다. 인터페이스 카탈로그, 그 증거 정책, 그리고 추천-출처 분류 체계는 솔버 능력 번들에 포함됩니다.