基于模型的自适应采样用于昂贵黑盒函数全局优化的经验综述
最优化与控制
2022-04-25 v1
摘要
本文综述了用于单目标黑盒优化（BBO）的先进基于模型的自适应采样方法。尽管 BBO 文献包含多种有前景的采样技术，但对于现有研究在广阔 BBO 问题范围内的全面考察仍显不足。我们首先将 BBO 问题分为两类：工程设计优化与算法设计优化，并讨论其挑战。随后我们批判性地讨论并分析聚焦于关键采集函数的基于模型的自适应采样技术。我们详述了基于方差的采样技术在工程设计问题中的缺陷。此外，我们深入洞察离散化方案对采集函数性能的影响。我们强调动态离散化对于基于距离的探索的重要性，并引入 EEPA+，一种对先前提出的基于帕累托采样技术的改进变体。我们的经验分析揭示了基于方差的技术对算法设计、以及基于距离的方法对工程设计优化问题的有效性。
引用
@article{arxiv.2204.10795,
title = {An Empirical Review of Model-based Adaptive Sampling for Global Optimization of Expensive Black-box Functions},
author = {Nazanin Nezami and Hadis Anahideh},
journal= {arXiv preprint arXiv:2204.10795},
year = {2022}
}