基于 Walker 切片采样的概率全局优化方法
最优化与控制
2024-11-07 v1 数学软件
摘要
本文提出了一种零阶概率全局优化算法——SwiftNav，用于在紧集上（不一定为凸函数）的优化问题。首先在紧集上部署离散化过程，从一个小的步长 开始，随后在利用 Walker 切片采样和 Gibbs 采样器的模拟退火例程中自适应地细化步长，以识别一组达到良好精度的全局最优解。SwiftNav 具有可并行性，有助于随着决策变量维度的增加而扩展。本文包含若干数值实验，以展示 SwiftNav 在高维基准优化问题中的有效性和准确性。
引用
@article{arxiv.2411.03851,
title = {On a probabilistic global optimizer derived from the Walker slice sampling},
author = {Aditya Gupta and Souvik Das and Debasish Chatterjee},
journal= {arXiv preprint arXiv:2411.03851},
year = {2024}
}
备注
18 pages, 16 figures