Jun, 2023

MA-BBOB: 在无噪声数值黑盒优化环境中评估自动机器学习方法的 BBOB 函数的多个仿射组合

PDF
TL;DR本文提出了一种扩展的基于多个仿射组合的 MA-BBOB 生成器方法，以帮助填充实例空间，并探究其对算法选择价值的影响，而 MA-BBOB 建立在公开的 IOHprofiler 平台上，可实现标准实验程序，提供性能分析和可视化，并与 (MA-) BBOB 函数的数据集进行比较。
numerical black-box optimizationbbob functionscomparing continuous optimizersaffine combinationsalgorithm performance
发现论文，激发创造
  • 基于低预算的黑盒优化算法在 BBOB 和 OpenAI Gym 上的评估

    机器学习和黑盒优化之间的相互影响性及算法性能的比较研究：基于机器学习和黑盒优化的算法在有限预算下具有较好性能，但随着预算增加，其他算法家族通常表现更好。

    Sep, 2023

  • 增强的上下文黑盒优化

    RIBBO 是一种从离线数据中强化学习 Black-Box Optimization 算法的方法，采用表达能力强的序列模型学习多个行为算法和任务产生的优化历史，通过集成 regret-to-go tokens 来自动生成满足用户期望遗憾值的查询点，从而在各种问题上实现了普遍良好的实证性能。

    Feb, 2024

  • Diff-BBO：基于扩散的黑盒优化的逆向建模

    基于扩散模型的逆向建模用于黑盒优化问题，通过设计新颖的获取函数（UaE），它利用条件扩散模型的不确定性在设计空间中生成样本，实现了在线黑盒优化，并在实验中证明了其优越性能。

    Jun, 2024

  • 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

  • 组合和混合变量贝叶斯优化的框架和基准

    本论文提出了混合变量和组合贝叶斯优化（MCBO）的模块化框架，以解决当前 MCBO 研究领域缺乏系统性基准和标准评估的问题，通过在 10 个任务上进行超过 4000 次实验，证明了该框架比现有方法具有更高的性能表现，并揭示了模型拟合和信任区域使用的重要性。

    Jun, 2023

  • mlrMBO: 用于昂贵黑盒函数模型优化的 模块化 框架

    mlrMBO 是用 R 编写的模型优化（MBO）工具箱，用于单目标和多目标优化，使用替代回归模型逼近给定的目标函数，实现了多点批量建议、可视化等功能，并在广泛的优化器基准方案中进行了对比，表现出最先进的性能。

    Mar, 2017

  • 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

  • 在多目标黑盒优化测试套件中使用被充分理解的单目标函数

    该论文提出了一种新的组合现有单目标问题的方法，构建具有多目标的测试问题套件，以更准确地评估多目标优化算法的性能，同时揭示了确定性和随机求解器之间比较性能的重要性。

    Apr, 2016

  • 高维贝叶斯优化：基于有重叠分组加性模型

    本文提出了一种新的基于加性模型的贝叶斯优化算法，可以高效地处理存在重叠子集的高维函数优化问题，并通过图上的信息传递算法优化其采集函数，同时提出了通过 Gibbs 抽样学习其结构的算法，实验证明该方法在合成数据和真实数据上都具有良好效果。

    Feb, 2018

  • 全局优化基准测试的 ImageNet 函数库

    对黑盒优化问题的领域特征进行研究，探索性景观分析（ELA）模型成功地识别了预定义的人造特征，并为解决这些挑战的组合选择器提供了帮助。本研究提出了利用图像识别方法解决这个问题的方法，并在大型数据集上应用基本的人工神经网络模型进行分类，成功实现了机器驱动的特征提取。

    Jun, 2022