Jun, 2020

组合黑盒优化与专家建议

PDF
TL;DR通过使用多线性多项式和指数权重更新，我们提出了一种基于模拟退火的计算有效模型学习算法，以优化布尔双立方体上的黑盒函数优化问题，并获得了比文献中现有算法快几个数量级的计算时间和具有竞争性的性能。
black-box function optimizationboolean hypercubecombinatorial optimizationmultilinear polynomialsexponential weight updates
发现论文，激发创造
  • 组合结构的贝叶斯优化

    该篇论文提出了一种基于半定规划的自适应、可扩展模型的算法，用于优化机器学习、离散优化和贵重求值黑盒函数所需的组合结构，该算法在实验中表现优于组合和贝叶斯优化等其他方法。

    Jun, 2018

  • 基于类别变量的黑盒优化的傅里叶表示

    该研究提出了一种基于代理模型和傅立叶展开的算法，用于优化纯分类型变量的黑盒函数，并在 RNA 序列优化和设计问题中取得了竞争性或优越性能，显著提高了计算成本和样本效率。

    Feb, 2022

  • 超参数优化：一种光谱方法

    本文介绍一种基于布尔函数分析技术的超参数优化方法，应用于高维数据的神经网络训练，并借鉴压缩感知技术，仅需要均匀取样即可迭代并行计算，故速度极快。在实验中，相较于目前最好的工具，此方法能够将解决方案有效提高，且总运行时间比其他方法更快。同时，该方法具有可证明的保证且对于决策树学习具有重要意义。

    Jun, 2017

  • 黑盒组合求解器的区分

    本文介绍一种将组合优化算法和深度学习相结合的方法，利用神经网络中的组合构建块来解决原始输入数据中的组合问题，如机器人中的路线规划和多目标跟踪中的全局一致性保证。作者将 Gurobi MIP 求解器、Blossom V 算法和 Dijkstra 算法引入到结构中，实现了高效的反向传递，为旅行商问题，最小成本完美匹配问题和最短路径问题提供了特征提取方案。

    Dec, 2019

  • 基于多项式模型的黑盒目标优化

    通过拟合多项式替代模型到目标函数，通过迭代更新模型并利用预期改进的探索和利用平衡，提供模型的不确定性估计的 PMBO 是一种成功竞争，并在某些情况下甚至超越其他算法的黑盒优化方法，可广泛应用于各个领域。

    Sep, 2023

  • 高维贝叶斯优化离散序列的调查与基准

    通过统一的框架和标准化的黑盒函数，针对化学和生物学的实际应用领域，该论文研究了贝叶斯优化的高维优化方法和技术难点，并提供了易于拓展的软件库，以方便实践者更好地应用于离散优化问题。

    Jun, 2024

  • PMBO: 通过多元多项式替代物强化黑箱优化

    采用多项式模型为基础的优化方法 (PMBO) 在低维优化问题中表现出色，与经典贝叶斯优化和进化算法相比具有更好的鲁棒性和解释性。

    Mar, 2024

  • 昂贵嵌套灰盒函数的贝叶斯优化

    本文提出了一种灰盒优化算法，利用 Bayesian 优化框架和 optism-driven 算法，在常用 Kernel 函数下表现出收敛速度优异的特点，这个算法在常规黑盒算法之上大幅提高了全局最优解求解的速度。

    Jun, 2023

  • 黑盒函数的逐步优化

    本论文提出了一种新的方法，利用估计梯度来逐渐自适应地优化机器学习中的未知函数，并验证了该方法在低维和高维问题上的实验性能，证明了在调整高维超参数时我们的方法的优越性。

    Jun, 2019

  • 使用图卷积神经网络进行精确组合优化

    本文提出了一种基于图卷积神经网络的分支定界变量选择新模型，通过模仿学习和强分支专家规则训练，成功解决了组合优化问题。实验结果表明，该方法不仅在分支机制上优于现有的机器学习方法，而且在大问题上也优于现有的专家设计分支规则。

    Jun, 2019