局部搜索算法的高效多起点策略
本文针对随机赌博问题,提出了一种在线动态索引策略KL-UCB算法,并通过有界回报和伯努利回报两个方面的研究证明了其优越性和适用性,同时展示了比较实验结果,在时间短的情况下依然表现良好,且优于其他算法。
Feb, 2011
本文提出了一种贝叶斯方法,它将基于贪心的优化和基于梯度的优化相结合,并使用贝叶斯可信区间来权衡探索和利用。实验结果表明,该方法在广泛的问题环境中改善了性能,为元优化和梯度相关信息能够获得的应用程序提供了改进的性能。
May, 2017
本文提出了一种名为 TuRBO 的算法来解决高维问题的全局优化,该算法利用一系列局部模型,通过隐式赌博方法对这些模型之间的样本进行原则性的全局分配,并在强化学习、机器人学和自然科学领域的问题上显著优于其他现有方法。
Oct, 2019
文章介绍了Bayesian优化中的局部优化策略,对高维问题具有强大的实证表现,研究表明高斯过程样本路径的个体局部解的统计性质比全局方法更好,首次对Bayesian局部优化算法进行了严密分析,并推导了噪声和无噪声情况下的收敛速度。
May, 2023
使用基于多臂赌博机的双层方案进行在线学习,该方法能够在大规模情景下比目前最优的任意时刻多智能体路径规划方法提升至少50%的成本效益。
Dec, 2023
利用预测进行热启动算法的学习和使用问题,研究了不同预测策略的竞争性保证,并提出了一种基于可学习粗糙信息的方法来优化求解问题的时间成本,同时针对在线版本的问题给出了一种具有多项式复杂度保证的算法。
May, 2024
本研究中,我们提出了一种新的局部贝叶斯优化算法MinUCB,通过在GIBO中将梯度下降步骤替换为最小化UCB的策略来改进了梯度下降方法,证明了在应用高斯过程作为替代物时,后者可以比直接梯度下降更好。此外,我们还通过前瞻策略改进了MinUCB的取样函数,得到了更高效的算法LA-MinUCB,并在不同的合成和现实函数中应用我们的算法,结果表明了我们方法的有效性。我们的算法还从上界的角度改进了贝叶斯优化中的局部搜索策略,并为未来算法设计提供了新的方向。
May, 2024
通过对BFS和随机游走方法的性能分析,我们得到了一个阈值的交叉点,该交叉点在树的分支因子、目标深度和随机游走深度误差的线性增长条件下,证明了随机游走方法优于BFS。
Jun, 2024