Compared with the algorithm selecti

Compared with the algorithm selection approach, ours do not
require the preliminary feature extraction via sampling of the
search space of the problem. Instead, we assume that the problem
is an unknown one. Of course, it does not preclude information
collection during the execution of our algorithm (and appropriate
post-processing resampling to approximate uniform sampling)
which can aid the algorithm mapping for the algorithm selection
approach. Hence the two approaches are entirely complimentary.

ผลลัพธ์ (ไทย) 1:

เมื่อเทียบกับวิธีการเลือกอัลกอริทึมของเราไม่จำเป็นต้องมี
สกัดคุณลักษณะเบื้องต้นผ่านการสุ่มตัวอย่างของพื้นที่ค้นหา
ของปัญหา แทนเราคิดว่า
เป็นปัญหาหนึ่งที่ไม่รู้จัก แน่นอนมันไม่ได้หมายความว่าข้อมูลที่เก็บรวบรวม
ระหว่างการทำงานของอัลกอริทึมของเรา (และเหมาะสม
resampling หลังการประมวลผลการเก็บตัวอย่างเครื่องแบบประมาณ)
ซึ่งสามารถช่วยในการทำแผนที่อัลกอริทึมสำหรับการเลือกอัลกอริทึมวิธี
ด้วยเหตุนี้ทั้งสองวิธีให้บริการฟรีทั้งหมด

ผลลัพธ์ (ไทย) 2:

เมื่อเทียบกับวิธีการเลือกอัลกอริทึม เราไม่
ต้องสกัดคุณลักษณะเบื้องต้นผ่านการสุ่มตัวอย่างของการ
ค้นหาช่องว่างของปัญหา แทน เราสมมุติว่าปัญหา
หนึ่งไม่ทราบ แน่นอน มันไม่ได้ห้ามข้อมูล
คอลเลกชันในระหว่างการทำงานของอัลกอริทึมของเรา (และเหมาะสม
ประมวลผลประกาศเปลี่ยนความละเอียดของการสุ่มตัวอย่างเครื่องแบบโดยประมาณ)
ซึ่งสามารถช่วยการแม็ปอัลกอริทึมสำหรับเลือกอัลกอริทึม
วิธีการ ดังนั้น วิธีสองเป็นบริการฟรีทั้งหมด

ผลลัพธ์ (ไทย) 3:

เมื่อเทียบกับวิธีการทางเลือกอัลกอริธึมที่เราทำไม่ได้ต้องมีการขุดเจาะ
ซึ่งจะช่วยโดดเด่นไปด้วยเบื้องต้นที่ผ่านการสุ่มตัวอย่างในพื้นที่
ซึ่งจะช่วยการค้นหาของปัญหาได้ แทนที่เราจะต้องเป็นผู้รับผิดชอบปัญหาที่
ซึ่งจะช่วยเป็นหนึ่งที่ไม่รู้จัก แน่นอนว่ามันจะไม่ส่งผลให้ข้อมูล
ซึ่งจะช่วยคอลเลคชั่นในระหว่างการทำงานของอัลกอริธึมของเรา(และที่เหมาะสม
หลังการประมวลผล resampling เพื่อประมาณการสุ่มตัวอย่างเครื่องแบบ)
ซึ่งสามารถช่วยการทำแผนที่อัลกอริทึมสำหรับอัลกอริธึมการเลือกวิธีการ
ซึ่งจะช่วยให้ ดังนั้นสองวิธีคือ อภิ นันทนาการตลอดทั่วทั้งพื้นที่