Nov, 2015

一种基于信息搜索的约束贝叶斯优化通用框架

PDF
TL;DR本研究提出了信息理论框架，以解决具有黑盒约束条件的全局黑盒优化问题，并开发了一种预测熵搜索策略以解决解耦约束条件问题，在几个人工合成及实际问题中进行了改进比较，为有快慢函数评估的问题提出了平衡 PESC 元计算和目标计算时间的部分更新算法，并提出了自适应切换部分和完整更新版本来插值，PESC 为约束贝叶斯优化提供了一种统一的有效算法方向。
global black-box optimizationblack-box constraintsdecoupled constraintspredictive entropy search with constraintsconstrained bayesian optimization
发现论文，激发创造
  • 具有未知约束的贝叶斯优化的预测熵搜索

    本文提出一种名为具有约束的预测熵搜索（PESC）的基于信息的方法，旨在解决使用贝叶斯优化的期望改进启发式算法遇到的路径 ologies，并分析其在合成、基准和真实世界实例中表现优于基于 EI 的方法，展示其是一种有效的算法，为约束贝叶斯优化提供了一种有前途的解决方案。

    Feb, 2015

  • 预测熵搜索用于黑箱函数的高效全局优化

    本文提出了一种基于信息论的贝叶斯优化方法 —— 预测性熵搜索（PES），PES 可以在全局最优值相对应的信息增益期望上选择下一个评估点，通过预测分布差异熵的期望减少来表示无法计算的获取函数，PES 可以获得比其他方法更准确和更有效的近似值，并且可以轻松进行完全贝叶斯处理，本文还对来自不同领域的数据进行了评估，结果显示 PES 增强了优化性能。

    Jun, 2014

  • 基于约束条件的多目标贝叶斯优化的预测熵搜索

    本文提出一种名为 PESMOC 的基于信息的策略，用于同时优化多个昂贵的黑盒函数，并考虑多个限制条件，该策略可用于解决多种优化问题。实验结果表明，相对于随机搜索策略，PESMOC 能够在较少的评估次数下提供更好的建议。

    Sep, 2016

  • 带约束的多目标贝叶斯优化的最大值熵搜索

    提出一种名为 MESMOC 的新方法来解决大规模设计问题的优化，通过使用输出空间熵的获得函数，选择评估输入序列来发现高质量的帕累托集解决方案同时满足约束条件。

    Sep, 2020

  • 高效贝叶斯优化的最大值熵搜索

    提出一种新的最大值熵搜索（Max-value Entropy Search，MES）标准，用于提高贝叶斯优化方法的计算效率和实现遗憾界规范，该方法在高维问题上效率更高且性能良好。

    Mar, 2017

  • 昂贵目标函数批量全局优化的并行预测熵搜索

    本文介绍一种名为平行预测熵搜索 (PPES) 的新型算法，用于贝叶斯优化昂贵的黑匣子目标函数，并通过机器学习、火箭科学、机器人等领域的案例研究，展示了其批处理选择策略的优化表现。

    Nov, 2015

  • 未知约束的贝叶斯优化

    研究了具有先验未知约束的贝叶斯优化及其在优化问题中的应用，并提供了解决此类问题的通用框架，并在潜在 Dirichlet 分配，神经网络调整和哈密顿蒙特卡罗优化等问题中进行了有效性实证。

    Mar, 2014

  • 带约束的多目标贝叶斯优化不确定性搜索框架

    用代理模型进行不确定度感知的搜索，以在减小函数计算的前提下，近似求出满足一组约束条件的真实 Pareto 解集，将其应用于昂贵的电路优化实验中，实现了 90% 以上的计算次数减少。

    Aug, 2020

  • 贝叶斯优化的熵搜索组合

    本文提出了一种新的资产组合方法 —— 熵搜索组合（ESP），以解决 Bayesian 优化方法中的探索策略选择问题，并在实际和人工数据上的若干问题中证明了 ESP 方法的优越性和鲁棒性。

    Jun, 2014

  • 受限贝叶斯优化与最大值熵搜索

    本文提出了基于高斯过程的约束最大值熵搜索 (cMES) 并表明它比其他基于熵搜索的约束优化算法在真实约束优化问题上更简单更快速。

    Oct, 2019