TREGO：一种高效全局优化的信赖域框架
最优化与控制
2022-04-26 v4 机器学习
摘要
高效全局优化（EGO）是贝叶斯优化的标准形式，已成功应用于求解昂贵黑盒问题的全局优化。然而，EGO难以随维度扩展，且提供的理论保证有限。在这项工作中，提出并分析了EGO的信赖域框架（TREGO）。TREGO在信赖域内交替进行常规EGO步与局部步。通过遵循经典的信赖域方案（基于充分下降条件），所提算法具备全局收敛性质，且仅在部分优化步上偏离EGO。基于著名的COCO{有界约束问题}进行大量数值实验，我们首先分析了TREGO对其自身参数的敏感性，随后表明所得算法一致优于EGO，并与其他最先进的黑盒优化方法具有竞争力。
引用
@article{arxiv.2101.06808,
title = {TREGO: a Trust-Region Framework for Efficient Global Optimization},
author = {Youssef Diouane and Victor Picheny and Rodolphe Le Riche and Alexandre Scotto Di Perrotolo},
journal= {arXiv preprint arXiv:2101.06808},
year = {2022}
}