Mar, 2022

LAMBDA: 黑盒不等式解集的搜索空间量化覆盖

PDF
TL;DR本文提出了一种基于样本搜索范式的黑箱覆盖问题及其解决方法 LAMBDA，该方法通过引入密度信息来克服优化采样偏差，其性能在基准测试中表现优异，可用于验证虚拟测试中的自主系统。
black-box function optimizationsolution setblack-box coverage problemsample-based search paradigmlambda
发现论文，激发创造
  • 通过贝叶斯世界模型实现受限策略优化

    LAMBDA 是一种基于模型的新型策略优化方法，利用贝叶斯世界模型提高强化学习的样本效率和安全性，在 Safety-Gym 基准测试中表现优异。

    Jan, 2022

  • 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

  • 使用蒙特卡罗树搜索学习黑盒优化的搜索空间划分

    本文介绍了一种基于 LaNAS 的元算法 LA-MCTS，通过非线性划分和本地模型的学习，使用极少的样本和函数值来学习搜索空间的划分，并使用现有的黑盒优化器作为其本地模型，在黑盒优化和强化学习基准测试中实现了强大的性能，并特别适用于高维度问题。

    Jul, 2020

  • LambdaBeam：使用高阶函数和 Lambda 进行神经程序搜索

    设计了一种搜索算法 LambdaBeam，在 DSL 中构建任意 Lambda 函数的语义向量表示，并训练神经策略网络，将它们作为参数传递给高阶函数进行循环计算，相比基于神经网络、符号和 LLM 的技术，在整数列表操作领域性能更优。

    Jun, 2023

  • 潜在能量驱动之旅：通过在能量基潜空间中扩展探索的黑盒优化

    离线黑盒优化目标是通过预先采集的函数值和相关输入设计的离线数据集的知识来优化黑盒函数。我们提出了一种可学习的能量驱动潜空间模型，以及一种基于噪声增强的望远镜密度比估计方案，用于变分学习准确的潜空间模型。通过所学的能量驱动模型在潜空间中的梯度导向采样，我们展示了该方法在高价值设计模式的探索中取得了显著改进。

    May, 2024

  • Blackbox: 一种优化昂贵黑箱函数的并行过程

    本文介绍了一种基于反应面方法和径向基函数的高效优化黑盒函数的过程，其中采用拉丁超立方体进行初始采样，随后采用一种修改过的 CORS 算法进行之后的采样，可在多核处理器上缩放并并行执行多个函数评价。

    May, 2016

  • 通过主动的 MDP 学习进行概率性黑盒验证

    我们介绍了一种新的测试随机黑盒系统的方法，该方法通过使用主动马尔科夫决策流程、概率模型检查和统计假设检验等技术，改进了传统的黑盒检查方法，并且在实验结果中表现优于现有方法。

    Jul, 2023

  • 结合潜空间和结构核的组合空间贝叶斯优化

    本文提出了一种基于结构耦合核的 BO 方法 LADDER，使用深度生成模型的潜在表示来优化组合空间，解决了传统 BO 方法中代理模型只利用深度生成模型学习的信息对黑盒函数进行近似的缺陷，并通过实验验证表现优越。

    Nov, 2021

  • 联合复合潜空间贝叶斯优化

    Bayesian Optimization is enhanced by integrating intermediate outputs and effectively tackles high-dimensional problems using Joint Composite Latent Space Bayesian Optimization.

    Nov, 2023

  • 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