Jan, 2022

带有新移动策略的绝地求生优化器

PDF
TL;DR本论文提出了一种改良型的基于游戏的元启发式优化算法 ——Battle royale optimizer（BRO），用于解决复杂数值优化问题，通过引入移动策略的额外运动算子来改善探索和利用之间的平衡，实验结果表明改良型 BRO 相比于原始 BRO 和其他竞争者可以很好地解决复杂的数值优化问题。
game-based metaheuristicsstochastic optimizationbattle royale optimizercontinuous problemsnumerical optimization
发现论文，激发创造
  • MBORE: 多目标贝叶斯优化与密度比估计

    这篇论文针对多目标优化问题，提出了一种名为 MBORE 的方法，它将 BORE 扩展到了多目标问题，并在一系列合成和真实世界基准测试中与 BO 进行了比较。结果表明，在许多问题上，MBORE 的表现要好于或优于 BO，在高维度和真实世界问题上优势更为明显。

    Mar, 2022

  • 基于贝叶斯优化的多样解发现

    ROBOT 使用排序和信任区间的方法来找到不同的高性能解决方案，相较于寻找单一最佳解决方案，只需要进行少量的额外函数评估。

    Oct, 2022

  • 密度比估计的批次贝叶斯优化

    本文介绍了一种基于密度比估计的贝叶斯优化方法，能够使用概率二元分类器代替函数上的先验，从而增强可扩展性与性能保证，并将问题重新形式化为近似贝叶斯推理，也能扩展至批优化问题中。该方法在一些实验中与其他基线方法进行了评估。

    Sep, 2022

  • 进化优化和贝叶斯优化中的模型不确定性：一项比较分析

    这篇论文介绍了黑盒优化问题以及贝叶斯优化和替代辅助进化算法两种优化技术的使用方法和差异，还介绍了一种新的基于模型辅助的策略，通过利用未评估的解产生后代，并结合进化算法的群体搜索能力来提高模型辅助优化的效果。实验结果表明，该方法在准确性和效率方面优于主流的贝叶斯优化算法。

    Mar, 2024

  • 基于模型的游戏智能体优化的高效进化方法：以模型为最优选择

    介绍一种简单、快速的 Planet Wars 变体，作为基于统计规划的游戏 AI 代理和噪声超参数优化的测试平台，引入了 N-Tuple Bandit Evolutionary Algorithm 算法等多种优化算法，结果显示 N-Tuple Bandit Evolutionary Algorithm 在性能和参数效果方面表现都很有竞争力。

    Jan, 2019

  • 500 + 自然启发式元启发式算法的性能评估和详尽列表

    本研究对 500 多个元启发式算法进行了详尽的调查，并重点比较了 11 个新的和 4 个已有的元启发式算法对 CEC2017 基准函数集的竞争性表现，结果显示 EBCM 性能优良，不输于现有的元启发式算法。

    Dec, 2022

  • 移动操纵任务基地位置优化

    本文旨在解决机器人移动操作中基础放置优化问题。通过使用基于 Scale-like disc（SLD）表示法的工作空间表示来分离任务约束和基础放置，提出了一种多目标优化算法，将涵盖面积、操作灵活性和时间成本等目标同时考虑。实验结果表明，所优化的基础放置显著提高了任务的覆盖度和效率。

    Apr, 2023

  • 基于仿真的贝叶斯优化

    模拟基于贝叶斯优化 (SBBO) 是一种用于优化黑盒函数的新方法，只需要通过基于采样的后验预测分布进行访问。该方法允许在涉及组合空间和离散变量的情况下使用适用于组合空间的概率代理模型。在组合优化的应用中，我们通过使用不同的代理模型在实证上证明了 SBBO 方法的有效性。

    Jan, 2024

  • MESOB：平衡均衡与社交最优性

    本研究利用 MESOB-OMO 方法解决了广告拍卖中竞争与合作的双重目标问题，实现了拍卖双方利益的平衡，并且相较于其它算法具有优势。

    Jul, 2023

  • BOtied: 带绑定多元等级的多目标贝叶斯优化

    本文介绍了一种基于多目标贝叶斯优化 (MOBO) 的框架，通过提出 CDF 指标和 BOtied 采集函数，可以有效地解决多目标目标空间的优化问题，并在实验中得到良好的效果。

    Jun, 2023