资源约束的最优实验设计
最优化与控制
2020-12-09 v1
摘要
本文的目标是使最优实验设计（OED）在涉及显著计算开销的问题中具备计算可行性。我们专注于 MOCU（Mean Objective Cost of Uncertainty，不确定性目标成本均值），这是 OED 的一种特定方法论，并提出利用代理模型和自适应采样的 MOCU 扩展。我们着重于降低在大量不确定变量上评估大量控制策略所带来的计算开销。我们提出通过用代理模型近似与每个参数/控制对相关的中间计算，来降低 MOCU 的计算开销。该代理模型由稀疏采样构建，并可通过结合敏感性估计与直接从 MOCU 所规定的实验测量中获得的概率知识进行（可能的）自适应改进。我们在示例问题上展示了我们的方法，并将其性能与无自适应采样的代理近似 MOCU 以及完整 MOCU 进行了比较。我们发现证据表明自适应采样确实能改善性能，但决定使用代理近似 MOCU 还是完整 MOCU 将取决于计算与实验的相对开销。如果计算比实验更昂贵，则应考虑使用我们的方法。
关键词
引用
@article{arxiv.2012.04067,
title = {Resource-Constrained Optimal Experimental Design},
author = {Anthony M. DeGennaro and Francis J. Alexander},
journal= {arXiv preprint arXiv:2012.04067},
year = {2020}
}