期望提升算法的收敛性质
统计计算
2010-06-15 v4 最优化与控制
摘要
本文已从 arXiv 撤回。现由 Elsevier 发表于《统计规划与推断杂志》(Journal of Statistical Planning and Inference)，标题修改为“具有固定均值和协方差函数的期望提升算法的收敛性质”。见 http://dx.doi.org/10.1016/j.jspi.2010.04.018。作者生成的印后版本可从 SUPELEC 的 HAL 存储库获取，地址为 http://hal-supelec.archives-ouvertes.fr/hal-00217562。摘要：本文探讨期望提升算法的收敛性，该算法是一种基于待优化函数的高斯过程模型的流行全局优化算法。第一个结果表明，在高斯过程的协方差函数 满足某些温和假设的条件下，当待优化函数位于由 生成的再生核希尔伯特空间 (reproducing kernel Hilbert space) 中时，期望提升算法会在搜索域内产生稠密的评估点序列。第二个结果指出，密度性质对 -几乎所有连续函数也成立，其中 是由高斯过程诱导的（先验）概率分布。
引用
@article{arxiv.0712.3744,
title = {Convergence properties of the expected improvement algorithm},
author = {Emmanuel Vazquez and Julien Bect},
journal= {arXiv preprint arXiv:0712.3744},
year = {2010}
}
备注
This paper has been withdrawn