佩斯克

基于信息搜索的约束贝叶斯优化的一般框架。我们提出了一个信息论框架来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,其中目标函数和约束函数的子集可以独立计算。例如,当目标在CPU上求值,而约束在GPU上独立求值时。这些问题需要一个可分为各个功能评估贡献的获取函数。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是对期望信息增益准则的一种近似,与基于改进的多个综合问题和现实问题的替代方法相比,它更为优越。除此之外,我们还考虑了快速和慢速混合函数的问题。这些问题需要平衡PESC的元计算和目标目标的实际评估所花费的时间。我们采用有限理性的方法,对PESC进行了部分更新,在精度和速度之间进行了权衡。然后,我们提出了一种在部分更新和完全更新之间进行自适应切换的方法。这使得我们可以在功能评估方面有效的PESC版本和在挂钟时间方面有效的PESC版本之间进行插值。证明了Bayesian算法是一个有前途的全局优化方向。