¿Alguien ha usado ML para hacer un diseño * no trivial * de algoritmos CS de bajo nivel (ver comentarios)?

Hay un documento sobre Clasificación adaptativa que revisa y selecciona un algoritmo para implementar en un conjunto de datos en función de sus características y uno sobre Complejidad suavizada que predice la complejidad suavizada de los algoritmos de clasificación.

Es una pregunta tremendamente interesante, pero sort () me parece uno de los peores ejemplos que puedes elegir. malloc () probablemente sería infinitamente mejor, o cualquier otra cosa con estado que implique E / S, almacenamiento en caché, VM, operaciones de archivo.

En cuanto a sort () , ya tenemos estructuras de datos de clasificación automática como cola / montón de prioridad con tiempo de inserción O (log N). O si queremos combinar una pequeña lista sin ordenar con una lista ordenada grande, podemos hacer que O (N log N) se fusione con mergesort (/ etc.). Así que realmente no veo mucha ganancia potencial en sort ().

Por otro lado, malloc () parece un terreno realmente fértil, especialmente dinámico, por ejemplo, intérpretes para lenguajes de recolección de basura (Python, Java, R), en tipos específicos de conjuntos de datos, por ejemplo, leer en un archivo CSV o JSON, que son notoriamente arrancadores de memoria críticos para el rendimiento y también tradicionalmente a lo grande. Esos son solo mis instintos legos de haber hecho CS140, no soy un MSCS, soy un MSEE, y nunca tomé CS161 ‘Diseño de algoritmos’ / ‘Estructuras de datos y algoritmos’.

Para responder a la pregunta inmediata: no he hecho esto, no estoy al tanto de la literatura actual sobre quién lo ha hecho, pero espero que haya una investigación activa de CS sobre lo que sugerí, y sospecho que estás en un tema candente.