一种基于代理的统一黑箱与偏好优化方案
最优化与控制
2022-02-04 v1 机器学习
摘要
黑箱与偏好优化算法是全局优化过程，旨在分别使用尽可能少的函数评估或样本比较来寻找优化问题的全局解。在黑箱情形，目标函数的解析表达式未知，且只能通过（昂贵的）计算机仿真或实验评估。在偏好情形，目标函数仍未知但对应于个体的主观准则。因此，无法以可靠且一致的方式量化该准则。于是，偏好优化算法仅使用不同样本对之间的比较来寻求全局解，由人类决策者指出两者中更受偏好的一个。通常，黑箱与偏好框架被分别涵盖并采用不同技术处理。在本文中，我们表明黑箱与偏好优化问题密切相关，且可用同一类方法即基于代理的方法求解。此外，我们提出广义度量响应面（gMRS）算法，一种对流行 MSRS 框架的推广优化方案。最后，我们为所提优化方法提供了收敛性证明。
引用
@article{arxiv.2202.01468,
title = {A unified surrogate-based scheme for black-box and preference-based optimization},
author = {Davide Previtali and Mirko Mazzoleni and Antonio Ferramosca and Fabio Previdi},
journal= {arXiv preprint arXiv:2202.01468},
year = {2022}
}
备注
17 pages, 2 figures and 1 table. arXiv admin note: text overlap with arXiv:2202.01125