ICMLJun, 2022

一种批次多目标贝叶斯优化的惩罚方法及其在换热器设计中的应用

PDF
TL;DR本文介绍了一种高度可并行化的 Pareto 优化算法 - HIPPO，它可以在多目标贝叶斯优化方法中有效地利用并行处理资源，并通过惩罚预测目标值相似的评价来鼓励批处理的多样性，以便便宜地构建大批量的信息点，HIPPO 可以像现有解决方案一样有效地工作，并且计算开销低于一个数量级，并且能够轻松扩展到比文献中当前支持的批量大小高得多的批量大小，同时我们还应用 HIPPO 到一个具有挑战性的换热器设计问题上。
multi-objective bayesian optimizationhippobatch acquisition functionparallel processing resourcesheat exchanger design
发现论文，激发创造
  • 基于扩散模型的昂贵多目标贝叶斯优化

    多目标贝叶斯优化通过引入复合扩散模型和信息熵加权方法，在昂贵多目标优化问题中获得高质量解集，并在合成基准和实际问题上展示了卓越性能。

    May, 2024

  • VDTuner: 向量数据管理系统的自动性能调优

    VDMS 自动调优框架 VDTuner 利用多目标贝叶斯优化，能够高效探索复杂多维参数空间，并在搜索速度和召回率之间达到最佳配置，显著提高 VDMS 性能（搜索速度提高 14.12％，召回率提高 186.38％），相比于默认设置更加高效，优于最先进的基准测试（调优时间最多快 3.57 倍），并可扩展到特定用户偏好和成本感知优化目标。

    Apr, 2024

  • 混合变量全局敏感性分析用于知识发现与高效组合材料设计

    本文介绍了一种基于 Latent Variable Gaussian Process 的混合变量全局敏感性分析方法，通过数值案例研究验证和证明了该方法的有效性，并将其与多目标贝叶斯优化集成，应用于金属有机骨架材料的敏感性感知设计框架，极大地加快了对新型金属有机骨架候选材料的探索。

    Oct, 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

  • R-MBO: 多目标贝叶斯优化中偏好融入的多重替代方法

    使用多目标贝叶斯优化方法，利用广义值分布来建立多独立 surrogate 模型（多 surrogates 方法），以解决现实问题中使用 scalarising 函数建立单一 surrogate 模型的限制。

    Apr, 2022

  • 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

  • 具有预期超体积改进的多噪声目标并行贝叶斯优化

    提出了一种新的采样函数 NEHVI，它通过在 Pareto 前沿上集成期望超体积改进准则的不确定性，从而克服了噪声干扰的限制，特别是在大批量优化环境中表现出卓越的性能。

    May, 2021

  • 带约束的多目标贝叶斯优化的改进最大值熵搜索

    MESMOC + 是 Max-value Entropy Search for Multi-Objective Bayesian Optimization with Constraints（MESMOC）的改进版，用于解决评估昂贵的约束多目标问题，其成本是线性的，常常比其他方法更快。其基于函数空间的最小化熵的方法可优化 Pareto frontier 并且较之前的方法更为准确。

    Nov, 2020

  • 针对并行多目标贝叶斯优化的可微分期望超体积改进方法

    本文利用编程模型和硬件加速，提出了 q-Expected Hypervolume Improvement (qEHVI) 算法，使得计算多目标贝叶斯优化的探索函数能够适用于平行、受限制的计算情况，并通过自动微分方法，一个精确的求解 MC 积分误差的加速器来计算探索函数的性能和效果进行了实证研究。

    Jun, 2020

  • 分层强化学习中的子策略适应

    本文提出了一种新的分层强化学习算法 HiPPO，它可以根据新任务的训练不断调整技能并与更高层次一起训练，该算法引入了一个无偏差的潜变量依赖基准的分层策略梯度，并提出了一种训练时抽象方法，以提高所获得技能对环境变化的鲁棒性。

    Jun, 2019