bayesian optimization (BO) algorithm is very popular for solving
low-dimensional expensive optimization problems. Extending Bayesian
optimization to high dimension is a meaningful but challenging task. One of the
本文借鉴目前在多点预期收益(Expected Improvement,EI)准则上的最新工作,从 EI 的梯度角度出发,推导出一种闭合表达式,旨在利用基于梯度的上升算法,方便 EI 的最大化,并显示了在应用中的实质性计算节省。 结合基于 UCB 的起始设计和基于梯度的 EI 本地优化,在分布式高斯过程优化的批量设计中最终呈现出一个可行的选择。