面向动态离散环境的实时黑箱优化：嵌入式 Ising 机器
人工智能
2025-06-23 v1 新兴技术
摘要
许多实时系统需要优化离散变量。黑箱优化（BBO）算法和多臂老虎机（MAB）算法通过反复采取动作并观察相应的即时奖励来进行优化，且无需任何先验知识。最近提出了一种用于静态环境的 BBO 方法，该方法使用 Ising 机器寻找由离散值组合而成的最佳动作，以最大化即时奖励。相反，动态环境需要 MAB 算法在多个试验中最大化平均奖励。然而，由于离散优化的组合本质导致动作数量庞大，传统 MAB 算法无法有效优化动态离散环境。本文展示了一种用于动态离散环境的启发式 MAB 方法，通过扩展 BBO 方法，使 Ising 机器能够在考虑变量之间相互作用和动态环境变化的情况下有效探索动作。我们在具有移动用户的无线通信系统中展示了所提方法的动态适应性。
引用
@article{arxiv.2506.16924,
title = {Real-Time Black-Box Optimization for Dynamic Discrete Environments Using Embedded Ising Machines},
author = {Tomoya Kashimata and Yohei Hamakawa and Masaya Yamasaki and Kosuke Tatsumura},
journal= {arXiv preprint arXiv:2506.16924},
year = {2025}
}
备注
18 pages, 6figures