面向动态成本环境的非随意贝叶斯优化

贝叶斯优化（BO）是优化黑盒函数的常用框架，但大多数现有方法假设查询成本为静态值，仅依赖随意获取策略。我们引入LookaHES，一种针对动态、历史依赖成本环境的非随意BO框架，其中评估成本随先前动作而变化，例如空间任务中的旅行距离或序列设计中的编辑距离。LookaHES结合了多步$H$-熵搜索（$H$-Entropy Search）的变体、路径采样和神经策略优化，能够在不涉及指数级复杂度的前提下进行二十步以上的长期规划。其核心创新在于将神经策略（包括大型语言模型）集成，以有效导航结构化、组合动作空间，如蛋白质序列。这些策略对 lookahead 规划进行摊销，并可在 rollout 过程中集成特定领域的约束。实验结果表明，LookaHES在九个二维到八维合成基准测试以及两个真实任务（基于NASA夜光影像的地理空间优化和带约束token级编辑的蛋白质序列设计）中均优于强大的随意和非随意基线。简而言之，LookaHES为在复杂决策空间中实现稳健的长期优化提供了通用、可扩展且具成本感知能力的解决方案，为机器学习、统计学及应用领域的研究者提供了有用的工具。我们的实现已公开于 https://github.com/sangttruong/nonmyopia。