批量贝叶斯优化的最优初始化

现场实验和计算机仿真是测量不同设置下工程系统性能的有效方法，但耗时较长。为缩短所需时间，实验者可采用贝叶斯优化，该方法节省测量次数，并可同时对多个设置进行测量。在实际应用中，实验者使用很少的批量次数，因此每个批量都必须尽可能信息丰富。通常情况下，批量贝叶斯优化 (BBO) 的初始批量是从准随机样本中构造的。我们提出了一种批量设计获取函数，称为最小终端方差 (Minimal Terminal Variance, MTV)，通过优化而非随机抽样来设计批量。MTV 采用设计实验中的 I-Optimality 标准函数，该函数最小化对整体设置空间中质量估计后评估方差。MTV 将积分加权为使该设置最优的概率，从而能够设计不仅用于初始批量，还用于所有后续批量。与其他获取函数相比，MTV 在初始化和后续批量上的适用性是独一无二的。数值实验表明，MTV 在测试函数和仿真器上与其他 BBO 方法相比，性能优异。