尊重极限：带最优值界约束的贝叶斯优化
机器学习
2025-09-26 v3
摘要
在许多现实世界的优化问题中，我们对可实现的客观函数值有先验信息。在本文中，我们研究我们拥有最小值的精确知识或对其值的（可能不精确的）下界的场景。我们提出了界感知贝叶斯优化（BABO），这是一种利用此类先验信息的贝叶斯优化方法，使用一种新的代理模型和采集函数。我们提出了 SlogGP，一种纳入界信息并相应调整期望改进（EI）采集函数的新型代理模型。在各种基准测试上的经验结果表明，考虑关于最优值的先验信息具有显著优势，所提出的方法显著优于现有技术。此外，我们注意到即使在缺乏关于界的先验信息的情况下，所提出的 SlogGP 代理模型在大多数情况下仍然优于标准 GP 模型，我们将其归因于其更大的表达能力。
引用
@article{arxiv.2411.04744,
title = {Respecting the limit:Bayesian optimization with a bound on the optimal value},
author = {Hanyang Wang and Juergen Branke and Matthias Poloczek},
journal= {arXiv preprint arXiv:2411.04744},
year = {2025}
}