Nov, 2023

工程设计中的多保真贝叶斯优化

PDF
TL;DR综述了多保真优化与贝叶斯优化相交的领域中 MF BO 的最新发展，包括高斯过程为基础的 MF 代理模型和不同的采集函数，并探讨了多保真优化在约束优化、高维优化、不确定性优化和多目标优化中的应用。
multi-fidelity optimizationbayesian optimizationgaussian processmf surrogatesacquisition functions
发现论文，激发创造
  • 物理感知多层次贝叶斯优化：通用公式

    该研究论文介绍了一种物理感知多保真贝叶斯优化方法，通过在优化过程中嵌入领域认知形式，有效地提高了多查询优化问题的计算效率。

    Dec, 2023

  • 关于异构误差对多保真贝叶斯优化的影响

    基于贝叶斯优化的多重保真度方法的研究，旨在解决在实际应用中存在的假设不准确的问题，其中包括高保真度数据获取成本高和数据源之间相关度局限性的挑战。通过提出一种多重保真度仿真方法，我们可以学习每个数据源的噪声模型，并使多重保真度优化能够利用高度偏差的低保真度数据源，从而提升性能。

    Sep, 2023

  • 多准则优化的多精度方法：一项调查

    多重保真度优化（MFO）是一种通过分层保真度方法，平衡高保真度准确性和计算效率的成本有效策略，本调查研究了 MFO 的基本原理、方法和应用，并展望了 MFO 领域中的挑战和前景，以促进进一步的研究和合作。

    Feb, 2024

  • 多精度贝叶斯优化中的最大值熵搜索及其并行化

    本文介绍了一种基于 max-value entropy search 的多保真度贝叶斯优化 (MF-MES) 方法，该方法通过考虑最优函数值的熵，而非最优输入点，大大简化了计算，并成功解决了信息熵的估计难题。同时，文章还提出了 MF-MES 的并行化方案，并通过材料科学数据等基准数据集的实验验证了该方法的有效性。

    Jan, 2019

  • 多保真贝叶斯优化的长期行为

    通过一个简单的基准研究，展示实证结果并讨论多 fidelity Bayesian 优化的长期行为和可能的表现不佳情景与原因。

    Dec, 2023

  • 基于贝叶斯优化的可持续工艺系统灵活高效设计框架

    贝叶斯优化是一种强大的技术，可用于优化噪声大、昂贵难评估的黑箱函数，在科学、工程、经济、制造等领域具有广泛的实际应用。本文概述了贝叶斯优化在下一代过程系统设计中的最新进展、挑战和机遇，并介绍了如何利用高级贝叶斯优化方法更有效地解决这些应用中的重要问题。最后，我们总结了提高概率模型质量、选择下一个样本点的内部优化过程以及利用问题结构提高样本效率方面的挑战和机会。

    Jan, 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

  • 加速物理发现的非交互性和交互性多保真贝叶斯优化：当前挑战和未来机遇

    在计算材料发现领域，通过多样的交互工作流程和基于贝叶斯优化的多层次恒定调整，结合数据、物理和实时人工决策，提高了对多维参数空间的探索效率。

    Feb, 2024

  • 基于贝叶斯优化的多目标混合变量问题

    本研究提出了一种混合变量、多目标贝叶斯优化框架 MixMOBO，可高效找到混合变量设计空间的最优帕累托前沿，同时确保多样解，结果表明 MixMOBO 在合成问题上表现良好。

    Jan, 2022

  • 高斯过程多保真贝叶斯优化通用框架

    本文研究了多个输出之间具有复杂结构依赖关系的多认真贝叶斯优化，并提出了 MF-MI-Greedy，一种解决此问题的原则算法框架。

    Nov, 2018