具有集成反馈的间接查询贝叶斯优化

我们提出了间接查询贝叶斯优化（IQBO）框架，这是一类新的贝叶斯优化问题，其中集成反馈通过待优化未知函数 $f$ 的条件期望给出。潜在的条件分布可以是未知的，并从数据中学习。目标是通过在条件分布变换后的空间中自适应地查询和观测，找到 $f$ 的全局最优值。这一框架受到现实世界应用的启发，在这些应用中，由于隐私、硬件或计算限制，无法直接访问反馈。我们提出了条件最大熵搜索（CMES）采集函数来处理这一新设定，并提出了一种具有多分辨率反馈的层次搜索算法以提高计算效率。我们给出了所提出方法的遗憾界，并在模拟优化任务中展示了我们方法的有效性。