BORA：面向资源分配的贝叶斯优化
机器学习
2022-10-13 v1 人工智能
最优化与控制
摘要
最优资源分配因其作为云和高性能计算设施随时间管理的核心问题而重新受到关注。半强盗反馈（Semi-Bandit Feedback, SBF）是高效解决该问题的参考方法。本文中，我们提出（i）将最优资源分配扩展至更一般的问题类，具体而言资源可用性随时间变化，以及（ii）以贝叶斯优化作为比 SBF 更高效的替代方案。提出了三种用于资源分配的贝叶斯优化算法，即 BORA，其作用于表示为数值向量或分布的分配决策。第二种选项需要考虑将 Wasserstein 距离作为 BORA 算法之一中更合适的度量。在（i）文献中提出的原始 SBF 案例研究，以及（ii）一个实际应用（即多渠道营销优化）上的结果实证证明，BORA 是比 SBF 更高效且有效的学习与优化框架。
引用
@article{arxiv.2210.05977,
title = {BORA: Bayesian Optimization for Resource Allocation},
author = {Antonio Candelieri and Andrea Ponti and Francesco Archetti},
journal= {arXiv preprint arXiv:2210.05977},
year = {2022}
}
备注
31 pages, 12 figures