.png){kind=icon}
返回
MTRBO: multiple trust-region based Bayesian optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s12530-026-09858-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
贝叶斯优化（BO）是优化黑箱函数的一种流行框架。尽管其有效性，但由于搜索空间的指数增长、目标函数的异质性以及采样预算有限，BO在解决高维问题时往往效率不高。为克服这些问题，本研究提出了一种基于多个信任域的贝叶斯优化技术（MTRBO）。信任域是一个局部区域，在该区域内优化模型被信任能够准确近似目标函数。假设高斯过程（GP）作为关于目标函数的先验信念，并基于后验均值和方差函数，该方法在信任域内自适应地利用当前有前景的解决方案附近区域。同时，在另一个信任域内探索搜索空间中最不确定的区域。建立了所提出方法的理论全局收敛性质。然后，本研究与其他基于信任域的贝叶斯优化算法进行了基准测试，结果表明其在各种非凸和高维测试函数上表现出优越性能。在采样预算（函数评估次数）内，所提出的方法在解的质量方面优于其他方法。该方法被应用于投资组合优化问题，以验证其在实际场景中的适用性。
Keyword:
Gaussian process
Bayesian optimization
Trust-region
Global optimization
期刊
IF:
2.7
论文数:
235
被引数:
1.2K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容