基于具有整数值最小值的模型的黑盒组合优化
机器学习
2021-06-11 v1 机器学习
摘要
当黑盒优化目标只能通过昂贵或有噪声的测量来评估时，大多数标准优化算法都不适合找到最优解。专门处理这种情形的算法会利用代理模型。这些模型通常是连续且光滑的，这有利于连续优化问题，但不一定有利于组合问题。然而，通过以某种方式选择代理模型的基函数，我们证明可以保证代理模型的最优解为整数。该方法在寻找受噪声扰动的旅行商基准问题的鲁棒路径上优于随机搜索、模拟退火和一种贝叶斯优化算法，与另一种贝叶斯优化算法性能相近，并在具有大量变量的凸二元优化问题上优于所有被比较的算法。
引用
@article{arxiv.1911.08817,
title = {Black-box Combinatorial Optimization using Models with Integer-valued Minima},
author = {Laurens Bliek and Sicco Verwer and Mathijs de Weerdt},
journal= {arXiv preprint arXiv:1911.08817},
year = {2021}
}