何塞·米盖尔·埃尔南德斯·洛巴托;迈克尔·盖尔巴特（Michael A.Gelbart）。;Ryan P.亚当斯。;马修·霍夫曼。;佐宾·加赫拉马尼 使用基于信息的搜索进行约束贝叶斯优化的通用框架。 （英语） Zbl 1391.90641号 J.马赫。学习。物件。 17，第160号论文，53页（2016年）. 摘要：我们提出了一个信息理论框架，用于解决同样具有黑盒约束的全局黑盒优化问题。我们特别感兴趣的是有效地解决具有解耦约束的问题，其中可以独立地评估目标函数和约束函数的子集。例如，当目标在CPU上评估，约束在GPU上独立评估时。这些问题需要一个采集功能，该功能可以分为单个功能评估的贡献。我们开发了一个这样的获取函数，称之为带约束的预测熵搜索（PESC）。PESC是预期信息增益标准的近似值，与基于改进几个合成和现实问题的替代方法相比，它具有更好的优势。除此之外，我们还考虑了混合函数的问题，这些函数的评估速度既快又慢。这些问题需要平衡PESC元计算和目标目标实际评估所花费的时间。我们采用有限理性方法，对PESC进行部分更新，以权衡准确性和速度。然后，我们提出了一种在PESC的部分更新和完全更新之间进行自适应切换的方法。这允许我们在功能评估方面有效的PESC版本和在墙锁时间方面有效的版本之间进行插值。总的来说，我们证明了PESC是一种有效的算法，它为约束贝叶斯优化的统一解决方案提供了一个有希望的方向。 引用于13文件 MSC公司： 90 C56 无导数方法和使用广义导数的方法 62C10个 贝叶斯问题；贝叶斯过程的特征 94甲15 信息论（总论） 关键词：贝叶斯优化;约束;预测熵搜索 软件：PESC公司;NLopt（NLopt）;化学需氧量;青蒿素;PyMC公司;UCI-毫升 PDF格式BibTeX公司 XML格式引用 \textit{J.M.Hernández-Lobato}等人，J.Mach。学习。第17号决议，第160号论文，53页（2016年；Zbl 1391.90641） 全文： arXiv公司 链接