Nov, 2023
可控的高成本多目标优化中的热启动高斯过程
Controllable Expensive Multi-objective Optimization with Warm-starting Gaussian Processes
Quang-Huy Nguyen, Long P. Hoang, Hoang V. Viet, Dung D. Le
TL;DR在这项工作中，我们提出了一种新颖的可控 Pareto 集学习 (Co-PSL) 方法，旨在解决现有无导数 PSL 方法在昂贵的黑盒多目标优化问题中不稳定和低效的问题，通过两个阶段的功能：(1) 使用贝叶斯优化进行预热，以获得高质量的高斯过程先验；(2) 可控 Pareto 集学习，准确获得从偏好到相应 Pareto 解的参数映射，以实现对冲突目标之间的实时权衡控制。综合合成和现实世界的多目标优化问题的性能展示了 Co-PSL 的有效性。