用于神经架构搜索的图采集函数全局优化

图贝叶斯优化（BO）已展现出作为神经架构搜索（NAS）强大且数据高效工具的潜力。现有的大多数图 BO 工作侧重于开发图代理模型，即网络的度量标准和/或用于量化网络间相似性的不同核。然而，由于构建图搜索空间和采集函数的复杂性，采集优化作为图结构上的离散优化任务尚未得到充分研究。本文提出了图输入空间的显式优化公式，包含可达性和最短路径等属性，这些属性随后被用于构建图核和采集函数。我们从理论上证明了所提出的编码是图空间的等价表示，并针对带有节点或边标签的 NAS 领域提供了限制条件。在多个 NAS 基准上的数值结果表明，我们的方法在大多数情况下能高效地找到最优架构，突显了其有效性。