【报告内容】

汇报人：何世祺

汇报单位：太原理工大学

主题：《Grammar-Based Evolutionary Approach for Automated Workflow Composition with Domain-Specific Operators and Ensemble Diversity》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

自动机器学习中一个特别具有挑战性的任务是自动工作流组合（AWC）旨在为特定数据集确定最有效的数据预处理和机器学习算法序列，以及它们的最佳超参数。也就是查找数据处理步骤序列的过程，包括数据预处理、特征选择和机器学习算法，可选地调整其超参数，为特定的机器学习任务提供最佳性能。

2.相关创新方案

(1)提出了EvoFlow，这是一种语法指导的动态工作流，它使用语法规则来防止无效流程，确保逻辑正确性，并允许自由组合任何预处理步骤，克服了传统步骤顺序和数量的局限性，显著扩展了理解空间。

(2)设计了专门针对自动工作流组合问题的遗传算子，选择交叉和变异。这些运算符考虑了工作流的结构和超参数，为工作流优化提供了更有针对性的方法。

(3)为EvoFlow的集成了一种更新机制，该机制不仅关注最佳预测性能，还强调工作流预测的多样性，同时增强了结果的鲁棒性和通用性。

3.实验总结

本文提出用于自动化工作流组合的 EvoFlow 算法，其借住上下文无关语法实现灵活定制，用特定遗传算子优化工作流结构与超参数，还设计集成构建机制平衡性能与预测多样性。经分类数据集实证，结合特定算子和多样集成的版本性能更优，与一些AWC领域其他方法对比，在给定时间预算时，在半数以上数据集上表现出色。未来计划扩展算法算子支持更多学习任务，融入人类专家经验。

4.未来工作

未来计划扩展算法算子支持更多学习任务，融入人类专家经验。

报告时间：2025年07月04日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)