.png){kind=icon}
返回
Bayesian optimization with search space movement for cooling crystallization process
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compchemeng.2025.109350.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
配备数据驱动优化的实验自动化正作为一种有效平台，用于寻找最优操作条件而受到广泛关注。关键在于利用贝叶斯优化自动化决策过程。然而，优化性能高度依赖于搜索空间，该空间通常由具有领域知识的专家手动选择。本研究提出了一种具有搜索空间移动策略的新型贝叶斯优化算法，以自动化搜索空间选择过程。两个基准问题的仿真研究显示，所提出的方法能够比现有方法用更少的试验次数确定最优条件。此外，该方法被应用于最大化批处理冷却结晶的生产率。实验结果表明，所提出的贝叶斯优化算法能够自动且稳健地找到合适的搜索空间，从而将生产率提高至多46%。
Keyword:
Bayesian optimization
search space selection
data-driven optimization
experimental automation
batch cooling crystallization
