BriefGPT.xyz
Ask
alpha
关键词
expensive function evaluations
搜索结果 - 3
多目标贝叶斯优化不确定性感知搜索框架
本研究提出了一种新颖的不确定性感知搜索框架(USeMO),使用代理模型的多目标黑盒优化解决方案来选择评估输入序列,通过减少函数评估的数量,近似真正的 Pareto 集。我们在多个合成和六个不同的真实基准问题上的实验表明,USeMO 总是优于
→
PDF
2 years ago
带约束的多目标贝叶斯优化的最大值熵搜索
提出一种名为 MESMOC 的新方法来解决大规模设计问题的优化,通过使用输出空间熵的获得函数,选择评估输入序列来发现高质量的帕累托集解决方案同时满足约束条件。
PDF
4 years ago
带约束的多目标贝叶斯优化不确定性搜索框架
用代理模型进行不确定度感知的搜索,以在减小函数计算的前提下,近似求出满足一组约束条件的真实 Pareto 解集,将其应用于昂贵的电路优化实验中,实现了 90% 以上的计算次数减少。
PDF
4 years ago
Prev
Next