用于高成本航空应用的混合类别设计变量的多目标贝叶斯优化
机器学习
2025-04-15 v1 最优化与控制
应用统计
摘要
本工作旨在开发新的方法来优化计算成本高昂的复杂系统（例如航空工程系统）。 proposed 的代理基方法（常称为贝叶斯优化）使用自适应抽样来促进探索与开发之间的权衡。我们的内部实现，称为 SEGOMOE，能够处理大量设计变量（连续、离散或类别）和非线性，通过结合专家混合物来处理目标和/或约束。此外，该方法处理多目标优化设置，因为它允许构建准确的帕累托前沿，仅通过少量函数评估即可实现。针对多个目标（带或不带约束）已实现不同的填充准则。通过在欧洲项目 AGILE 4.0 的上下文中测试在实际航空应用中的有效性，得出了有利结果。第一个例子涉及翻新问题，其中对两个优化器的比较得出结论。第二个例子引入分层变量以处理体系结构系统，以设计飞机系列。第三个例子大幅增加类别变量的数量，将飞机设计、供应链和制造过程组合在一起。本文在三个不同真实问题上展示了我们优化代码的 various aspects， thanks to the diversity of the treated aircraft problems。
引用
@article{arxiv.2504.09930,
title = {Multi-objective Bayesian Optimization With Mixed-categorical Design Variables for Expensive-to-evaluate Aeronautical Applications},
author = {Nathalie Bartoli and Thierry Lefebvre and Rémi Lafage and Paul Saves and Youssef Diouane and Joseph Morlier and Jasper Bussemaker and Giuseppa Donelli and Joao Marcos Gomes de Mello and Massimo Mandorino and Pierluigi Della Vecchia},
journal= {arXiv preprint arXiv:2504.09930},
year = {2025}
}