DEFT-FUNNEL：一种用于约束灰盒与黑盒问题的开源全局优化求解器
最优化与控制
2020-01-01 v1 机器学习
摘要
在医学、化学、工程与人工智能等领域，对约束全局优化问题的灰盒与黑盒优化方法日益增长的需求，促进了用于寻找最优解的新型高效算法的设计。本文提出 DEFT-FUNNEL，一种用于一般约束灰盒与黑盒问题的开源全局优化算法，它属于信赖域序列二次优化算法类。该算法将 Sampaio 与 Toint（2015，2016）的先前工作扩展为一个能够利用闭式函数信息的全局优化求解器。多项式插值模型被用作黑盒函数的代理模型，并采用基于聚类的多起点策略来搜索全局极小值。数值实验表明，在两组基准问题上，DEFT-FUNNEL 与其他最先进的方法相比具有优势：一组包含所有函数均为黑盒的问题，另一组包含部分函数及其导数已知于求解器的问题。用于实验的代码及测试集可在 Github 仓库 http://github.com/phrsampaio/deft-funnel 获取。
引用
@article{arxiv.1912.12637,
title = {DEFT-FUNNEL: an open-source global optimization solver for constrained grey-box and black-box problems},
author = {Phillipe R. Sampaio},
journal= {arXiv preprint arXiv:1912.12637},
year = {2020}
}