Oct, 2018

实用性的设计空间探索

PDF
TL;DRHyperMapper 2.0 is a new methodology and software framework that handles multi-objective optimization, unknown feasibility constraints, and categorical/ordinal variables for computer systems design, achieving better Pareto fronts and improved sampling for hardware accelerators.
multi-objective optimizationhypermapper 2.0computer systems designfeasibility constraintshardware accelerators
发现论文，激发创造
  • 多目标优化问题中实现目标空间的多样性，以实现高效率搜索

    该论文提出了一种利用 LMS 指标和多目标优化方法来寻找符合用户性能标准的智能设计方案的方法，并在多个问题上进行了验证与分析。

    Jun, 2023

  • 多保真度多目标贝叶斯优化：一种输出空间熵搜索方法

    本文研究了多目标黑盒优化的新问题，通过以不同资源消耗和准确性变化的多重保真度函数评估来减少资源消耗，以近似真实的帕累托解集合。 提出了一个称为 MF-OSEMO 的新方法来解决这个问题，并在几个综合性和真实基准问题上进行实验，表明 MF-OSEMO 相对于单一忠实算法在多目标优化上有显著改进。

    Nov, 2020

  • 基于多目标优化的基础设施即代码部署配置分析

    通过比较九种基于进化计算的多目标算法的结果，使用 Friedman 的非参数测试，本文创建了一个多算法系统，根据用户需求能够应用不同的技术，以优化和改进基础设施即代码部署配置的多目标问题。

    Jan, 2024

  • 加速物理发现的非交互性和交互性多保真贝叶斯优化：当前挑战和未来机遇

    在计算材料发现领域，通过多样的交互工作流程和基于贝叶斯优化的多层次恒定调整，结合数据、物理和实时人工决策，提高了对多维参数空间的探索效率。

    Feb, 2024

  • 高维搜索空间上的多目标贝叶斯优化

    本文提出了一种可伸缩的多目标贝叶斯优化算法 MORBO，通过同时在设计空间的多个本地区域中使用协调策略进行并行优化，远高于现有算法的采样效率，适用于高维度的综合问题。

    Sep, 2021

  • 高维参数空间的可视化与优化技术

    研究提出了一种结合黑盒优化和视觉分析的自动调优框架，用于储存系统性能优化，其中包括交互式配置浏览器 ICE，用于与类别变量上下文联合显示依赖数值变量的完整分布和统计信息。

    Apr, 2022

  • 多目标优化与主动学习完全自主材料设计框架：挑战和下一步

    利用多目标黑盒优化的主动学习过程，在实时流数据和模块化多目标优化软件开发技术支持下，实现了自动化连续流化学实验室的自治操作，为电解质生产提供了理想的制造条件。

    Apr, 2023

  • 多保真度模拟、机器学习和搜索空间缩减策略在高效反设计优化中的应用

    该研究介绍了一种方法，通过多精度评估、机器学习模型和优化算法的战略性协同，增强受有限计算资源约束的反向设计优化过程。该方法在两个不同的工程反向设计问题上进行了分析，通过在每个优化循环中利用训练有低精度模拟数据的机器学习模型，高效地预测目标变量并确定是否需要高精度模拟，从而显著节省了计算资源。此外，该机器学习模型在优化之前被战略性地使用以减小搜索空间，进一步加快了收敛到最优解的速度。该方法已被应用于增强差分进化和粒子群优化两种优化算法，对比分析表明两种算法的性能有所提升。值得注意的是，该方法适用于任何反向设计应用，实现了低精度机器学习模型和高精度模拟之间的和谐协同，并且可以无缝应用于任何种类的基于群体的优化算法。

    Dec, 2023

  • 基于贝叶斯优化的多目标混合变量问题

    本研究提出了一种混合变量、多目标贝叶斯优化框架 MixMOBO，可高效找到混合变量设计空间的最优帕累托前沿，同时确保多样解，结果表明 MixMOBO 在合成问题上表现良好。

    Jan, 2022

  • 进化方程发现单目标与多目标优化质量比较

    本文探讨了演化微分方程发现的优化问题，比较了单目标优化和多目标优化在经典模型（Burgers 方程，波动方程和 Korteweg-de Vries 方程）中的表现。

    Jun, 2023