通过学习搜索空间划分进行局部贝叶斯优化求解黑盒优化挑战赛
机器学习
2021-05-26 v2
摘要
黑盒优化是机器学习中的重要任务之一，因为它逼近真实世界条件，即我们并非总知晓给定系统的所有性质，往往除结果外几乎一无所知。本文描述了我们通过学习搜索空间划分进行局部贝叶斯优化来解决NeurIPS 2020黑盒优化挑战赛的方法。我们描述了该挑战赛的任务以及我们为低预算优化所命名的算法\texttt{SPBOpt}。我们使用基于前两种评估设置结果的多任务贝叶斯优化来为竞赛决赛优化算法超参数。我们的方法在竞赛决赛中排名第三。
引用
@article{arxiv.2012.10335,
title = {Solving Black-Box Optimization Challenge via Learning Search Space Partition for Local Bayesian Optimization},
author = {Mikita Sazanovich and Anastasiya Nikolskaya and Yury Belousov and Aleksei Shpilman},
journal= {arXiv preprint arXiv:2012.10335},
year = {2021}
}
备注
Accepted to Proceedings of Machine Learning Research: NeurIPS 2020 Competition and Demonstration Track