贝叶斯多目标优化的博弈论视角
最优化与控制
2021-04-30 v1
摘要
本章探讨在计算代价高昂的黑盒仿真背景下如何高效求解多目标（many-objective）优化问题。我们将通过机器学习与工程中的实际应用引出该问题，并讨论当目标数为四个或更多时采用经典 Pareto 方法所面临的特定严峻挑战。随后，我们回顾结合贝叶斯优化（例如使用高斯过程）与博弈论概念（如纳什均衡、Kalai-Smorodinsky 解）的求解方案，并详述如 Nash-Kalai-Smorodinsky 解等扩展。最后我们引入相应算法并给出一些说明性结果。
引用
@article{arxiv.2104.14456,
title = {A game theoretic perspective on Bayesian multi-objective optimization},
author = {Mickael Binois and Abderrahmane Habbal and Victor Picheny},
journal= {arXiv preprint arXiv:2104.14456},
year = {2021}
}