基于Kriging的层次搜索空间优化中核函数的首次分析
神经与进化计算
2018-07-04 v1 机器学习
摘要
许多现实世界的优化问题需要大量资源进行目标函数评估。这对进化算法是一个挑战，因为它限制了可用的评估次数。一种解决方案是代理模型，其替代昂贵的客观函数。此背景下的一个特殊问题是层次变量。层次变量仅在其他变量满足某些条件时才影响目标函数。我们研究这类层次结构如何集成到基于模型的优化框架中。我们讨论了一个已有的核函数并提出了替代方案。使用一个人造测试函数来研究不同核函数和假设如何影响模型质量和搜索性能。
引用
@article{arxiv.1807.01011,
title = {A First Analysis of Kernels for Kriging-based Optimization in Hierarchical Search Spaces},
author = {Martin Zaefferer and Daniel Horn},
journal= {arXiv preprint arXiv:1807.01011},
year = {2018}
}
备注
The final authenticated version of this publication will appear in the proceedings of the 15th International Conference on Parallel Problem Solving from Nature 2018 (PPSN XV), published in the LNCS by Springer