龙空技术网

多目标贝叶斯优化的不确定性感知搜索框架

阿卡夫论文 390

前言:

现时各位老铁们对“确定性搜索算法包括”大概比较注意,你们都想要分析一些“确定性搜索算法包括”的相关资讯。那么小编在网摘上收集了一些有关“确定性搜索算法包括””的相关文章,希望大家能喜欢,咱们快快来了解一下吧!

我们考虑了使用昂贵的函数评估的多目标(MO)黑箱优化问题,其目标是在最小化函数评估数量的同时近似于真实的解决方案集。例如,在硬件设计优化中,我们需要找到使用昂贵的模拟来平衡性能、能量和面积开销的设计。 我们提出了一个新的不确定性感知的搜索框架,称为USeMO,以有效地选择用于评估的输入序列来解决这个问题。USeMO的选择方法包括通过真实函数的代理模型来解决一个廉价的MO优化问题,以确定最有利的候选者,并根据不确定性的测量来挑选最佳候选者。我们还提供了理论分析来描述我们方法的有效性。我们在几个合成问题和六个不同的真实世界的基准问题上的实验表明,USeMO一直优于最新的算法。

《Uncertainty-Aware Search Framework for Multi-Objective Bayesian Optimization》

论文地址:

标签: #确定性搜索算法包括