在高维搜索空间中导航：分层贝叶斯优化方法
机器学习
2025-04-04 v6
摘要
在高维搜索空间中优化黑箱函数对传统贝叶斯优化（BO）而言已被证明具有挑战性。在本文中，我们引入了 HiBO，一种新颖的分层算法，将全局级搜索空间划分信息整合到基于局部 BO 优化器的采集策略中。HiBO 采用基于搜索树的全局级导航器，自适应地将搜索空间划分为具有不同采样潜力的分区。局部优化器随后利用这些全局级信息引导其采集策略指向搜索空间中最有前景的区域。一套全面的评估表明，HiBO 在高维合成基准测试中优于最先进方法，并在数据库管理系统（DBMS）配置调优这一真实世界任务中展现出显著的实用有效性。
引用
@article{arxiv.2410.23148,
title = {Navigating in High-Dimensional Search Space: A Hierarchical Bayesian Optimization Approach},
author = {Wenxuan Li and Taiyi Wang and Eiko Yoneki},
journal= {arXiv preprint arXiv:2410.23148},
year = {2025}
}
备注
21 pages, 9 figures