全局思考局部行动：高维类别与混合搜索空间上的贝叶斯优化

高维黑盒优化仍是一个重要但众所周知的难题。尽管贝叶斯优化方法在连续域上取得了成功，但类别域或连续与类别变量混合的域仍然具有挑战性。我们提出了一种新颖的解决方案——我们将局部优化与定制的核设计相结合，有效处理高维类别与混合搜索空间，同时保持采样效率。我们进一步推导了所提方法的收敛性保证。最后，我们通过实验证明，在多种合成和真实世界任务上，我们的方法在性能、计算成本或两者方面均优于当前基线。