具有非恒定评估时间的时间变化高斯过程赌博机优化
机器学习
2020-03-12 v2 机器学习
摘要
高斯过程赌博机是一类我们希望以最少的函数评估次数找到黑盒函数最大化器的问题。若黑盒函数随时间变化，则时间变化贝叶斯优化是一个有前景的框架。然而，现有方法的一个缺陷在于假设每次观测的评估时间是恒定的，这对于许多实际应用（例如推荐系统与环境监测）可能不现实。因此，当该假设被违背时，现有方法的性能会下降。为应对此问题，我们提出了一种新颖的时间变化贝叶斯优化算法，能够有效处理非恒定评估时间。此外，我们从理论上建立了我们算法的后悔界。我们的界阐明，评估时间序列的模式会极大地影响问题的难度。我们还提供了实验结果以验证所提方法的实际有效性。
引用
@article{arxiv.2003.04691,
title = {Time-varying Gaussian Process Bandit Optimization with Non-constant Evaluation Time},
author = {Hideaki Imamura and Nontawat Charoenphakdee and Futoshi Futami and Issei Sato and Junya Honda and Masashi Sugiyama},
journal= {arXiv preprint arXiv:2003.04691},
year = {2020}
}