×

兹马思-数学第一资源

多目标贝叶斯优化的Kalai-Smorodinsky解。(英语) Zbl 07306856
摘要:多目标贝叶斯优化研究的一个持续的目标是将其适用于大量的目标。在处理有限的评价预算的同时,恢复一套最佳折衷解决方案通常需要大量的观察结果,而且解释性较差,因为这套方案往往随着目标的数目而增加。因此,我们建议关注一个源于博弈论的具体解决方案,即Kalai-Smorodinsky解,它具有吸引人的性质。特别是,它确保所有目标的边际收益相等。通过考虑copula空间中的目标,进一步使其对目标的单调变换不敏感。提出了一种新的基于贝叶斯优化算法(Bayesian optimization algorithm,Bayesian optimization,Bayesian)的形式,提出了一种新的定制算法来搜索问题的解:序列抽样决策是基于仪器高斯过程先验的获取函数来进行的。我们的方法在四个问题上进行了测试,分别有四个、六个、八个和九个目标。该方法可在R包裹游戏CRAN上提供https://cran.r-project.org/package=GPGame.
理学硕士:
68T05型 人工智能中的学习与自适应系统
PDF格式 BibTeX公司 XML 引用
全文: 链接
参考文献:
[1] Majid Abdolshah、Alistair Shilton、Santu Rana、Sunil Gupta和Svetha Venkatesh。多目标贝叶斯优化方法。神经方面的无意识
[2] Badr Abou El Majd、Jean-Antoine Desideri和Abderrahmane Habbal。优化河流结构,使其成为信息资源的非洲资源
[3] Joseph J.Allaire和François Chollet.keras:R接口到“keras”,2018年。网址https://keras.rstudio.com。R包版本2.1.4。
[4] Asafudoula总经理,Tapabrata Ray和Ruhul Sarker。多目标优化的基于分解的进化算法.进化计算IEEE汇刊,19(3):445-4602015·Zbl 1338.90468
[5] Johannes Bader和Eckart Zitzler。Hype:一种基于快速超体积的多目标优化算法.进化计算,19(1):45-762011。
[6] 斯利姆·贝基赫,拉姆杰德·本说,还有哈立德·盖迪拉。利用移动参考点估计多目标优化中的最低点。进化论大会
[7] 朱利安·贝克特、大卫·金斯堡、李玲、维克多·皮切尼和艾曼纽·巴斯克斯。估计失效概率的计算机实验的顺序设计统计学·Zbl 1252.62081
[8] 朱利安·贝克特,弗朗索瓦·巴乔克,大卫·金斯堡,等.基于高斯过程的连续实验设计的超模方法.伯努利,25(4A):2883-29192019·Zbl 1428.62369号
[9] 詹姆斯·伯格斯特拉和尤斯华·本吉奥。随机搜索超参数优化。机器学习研究杂志,13:281-3052012·兹布1283.68282
[10] 詹姆斯·S·贝格斯特拉、雷米·巴登特、约书亚·本吉奥和巴尔萨斯·凯格尔。超参数优化算法。神经信息处理系统指南,第2546-25542011页。
[11] 米卡·比诺伊斯和维克多·皮切尼。统计软件包:一个基于高斯分布的优化软件包。
[12] 米卡·比诺伊斯、迪迪埃·鲁利埃和奥利维尔·罗森特。从copula理论的角度看帕累托锋的估计。信息科学,324:270-2852015·Zbl 1390.62043
[13] 米卡埃尔比诺伊斯,罗伯特B格拉梅西和迈克路德科夫斯基。大型模拟实验的实际异方差高斯过程建模.计算与图形统计杂志,27(4):808-822018。
[14] 米卡埃尔比诺伊斯,黄建庚,罗伯特B格拉梅西,迈克路德科夫斯基。复制还是探索?随机模拟实验的序贯设计。技术计量学,61
[15] 马修·布盖斯,帕特里克·泰兰迪埃和劳伦特·弗考特。在带有情绪和社会关系的社会模拟中增强代理人的行为。第18次研讨会
[16] 艾琳·博兹贝、弗兰兹·迪特里希和汉斯·彼得斯。与内生分歧的讨价还价:扩展的Kalai-Smorodinsky解决方案。博弈与经济行为,74(1):407-4172012·Zbl 1279.91078号
[17] 亚伯拉罕·查恩斯和威廉·瓦格·库珀。目标规划和多目标优化:第一部分。欧洲运筹学杂志,1(1):39-541977·Zbl 0375.90079
[18] 冉成、李米青、叶田、张兴义、杨胜祥、金耀初、姚欣。一个用于进化多目标优化的基准测试套件。复杂&
[19] 骑士团成员,朱利安·贝克特,大卫·金斯堡,艾曼纽尔·巴斯克斯,维克多·皮切尼和扬·里希特。基于快速并行kriging的逐步不确定度约简及其在偏移集识别中的应用。技术计量学,56(4):455-4652014。
[20] 骑士勋爵、泽维尔·埃莫里和大卫·金斯堡。条件模拟集合的快速更新。数学地球科学,47(7):771-7892015·Zbl 1323.86020号
[21] 弗朗索瓦·乔利特等人。https://github.com/fchollet/keras,2015年。
[22] 丁格尔·丘格、卡蒂克·辛德亚、尤西·哈卡宁和凯萨·米蒂宁。用进化算法处理计算代价昂贵的多目标优化问题的调查。软计算,1-30页,2017年。
[23] 丁乐初,金耀初,凯萨·米蒂宁,朱西·哈卡宁,卡蒂克·辛德亚。代理辅助参考向量引导的进化算法,用于计算昂贵的多目标优化。进化计算IEEE汇刊,22(1):129-1432018。
[24] 约翰·康利和西蒙·威尔基。没有凸性的讨价还价问题:扩展平等主义和卡莱-斯莫罗丁斯基解决方案。经济学快报,36(4):365-3691991年·Zbl 0758.90089
[25] Ivo Couckuyt,Dirk Deschrijver和Tom Dhane。帕累托优化的多目标改进概率和期望改进准则的快速计算·Zbl 1303.90093
[26] 英德拉内尔·达斯和约翰·E·丹尼斯。法向边界交集:非线性多准则优化问题Pareto曲面生成的新方法·Zbl 0911.90287
[27] Kalyanmoy Deb,Amrit Pratap,Sameer Agarwal和TAMT Meyarivan。一种快速的精英型多目标遗传算法:NSGA-II.IEEE进化事务
[28] Kalyanmoy Deb,Shamik Chaudhuri和Kaisa Miettinen。用进化方法估计最低点目标向量。第八届年会·Zbl 1184.90151
[29] 托马斯·德萨特尔斯、安德烈亚斯·克劳斯和乔尔·W·伯迪克。并行探索高斯过程bandit优化中的开发权衡。机器杂志·Zbl 1312.62036
[30] Jean-Antoine Désidéri,Régis Duvigneau,Abderrahmane Habbal.航空航天科学中的计算智能,V.M.Becerra和M.Vassile Eds.,第244卷《宇航和航空学进展》,使用Nash的多目标设计优化章节·Zbl 1416.35201
[31] 基于模型的地质统计学。斯普林格,2007年·Zbl 1132.86002号
[32] 劳伦斯·查尔斯·沃德·迪克森和乔治·普斯泽格,《走向全球优化》,第2卷。北荷兰阿姆斯特丹,1978年。
[33] 瓦莱里·瓦迪莫维奇·费多罗夫。最佳实验理论。爱思唯尔,1972年。
[34] 大卫·高德里、罗道夫·勒里奇、维克多·皮切尼、贝诺伊特·埃诺和文森特·赫伯特。贝叶斯多目标优化中的目标解决方案:序列和批处理版本·Zbl 1432.90138
[35] 德巴西什·戈斯和乌尔·普拉萨德。两人多准则博弈的解概念。最优化理论与应用杂志,63(2):167-1891989·Zbl 0662.90093
[36] 朱西·哈卡宁和约书亚·诺尔斯。在ParEGO中使用决策者偏好。国际进化多准则优化会议,282-297页。斯普林格,2017年。
[37] Philipp Hennig和Christian J Schuler。信息有效全局优化的熵搜索。机器学习研究杂志,13:1809-18372012·Zbl 1432.65073
[38] 丹尼尔·埃尔南德斯·洛巴托、何塞·埃尔南德斯·洛巴托、阿马尔·沙阿和瑞安·亚当斯。多目标贝叶斯优化的预测熵搜索。国际会议
[39] 何塞·米格尔·埃尔南德斯·洛巴托、迈克尔·盖尔巴特、瑞安·P·亚当斯、马修·W·霍夫曼和佐宾·加赫拉马尼。基于信息搜索的约束贝叶斯优化的一般框架。机器学习研究杂志,17(160):1-532016b·Zbl 1391.90641号
[40] Jens Leth Hougaard和Mich Tvede。非凸n人讨价还价:有效的极大极小解.经济理论,21(1):81-952003·Zbl 1032.91059号
[41] 石柏希孝(Hisao Ishibuchi)、Tsukamoto Noritaka和Nojima Yusuke Nojima。进化多目标优化:简评。2008年进化计算大会·Zbl 1136.90466
[42] 石柏希孝、濑口裕树、Masuda和野岛由介。基于分解的许多目标算法的性能很大程度上依赖于pareto前沿形状。
[43] 哈米德·贾拉利、因内克·范尼尤文胡斯和维克多·皮切尼。基于kriging算法的非均匀噪声仿真优化比较·Zbl 1403.90553
[44] 唐纳德·R·琼斯、马蒂亚斯·肖洛和威廉·J·韦尔奇。昂贵黑盒函数的有效全局优化。全球优化杂志,13(4):455-4921998·Zbl 0917.90270
[45] 乌尔里希·容克。基于偏好的搜索与多准则优化。运筹学年鉴,130(1-4):75-1152004·Zbl 1156.90381
[46] 埃胡德·卡莱和迈尔·斯莫罗丁斯基。纳什讨价还价问题的其他解决方案。计量经济学,43:513-5181975·Zbl 0308.90053
[47] 约书亚·诺尔斯。ParEGO:求解昂贵多目标优化问题的在线景观逼近混合算法。IEEE进化论汇刊
[48] Saku Kukkonen和Jouni Lampinen。排名优势和多目标优化。进化计算大会,2007年。CEC 2007,第3983-3990页。IEEE,2007年。
[49] Yann LeCun,Léon Bottou,Yoshua Bengio和Patrick Haffner。梯度学习在文档识别中的应用。IEEE论文集,86(11):2278-23241998。
[50] 李米青,甄良丽,姚欣。如何在平行坐标系下读取多个目标解集[教育论坛].IEEE计算智能杂志,12(4):88-1002017。
[51] 迈克尔•D•麦凯、理查德•J•贝克曼和威廉•J•科诺弗。计算机代码输出分析中三种输入变量取值方法的比较。技术计量学,21(2):239-2451979·Zbl 0415.62011
[52] 非线性多目标优化,第12卷。斯普林格科学与商业媒体,2012年·Zbl 1282.90166
[53] 罗杰B尼尔森。连接词介绍。斯普林格,2006年·Zbl 1152.62030
[54] 哈拉尔德尼德雷特。低差异和低分散序列。数论杂志,30(1):51-701988·Zbl 0651.10034
[55] 杰里米·奥克利。估计不确定计算机代码输出的百分位。皇家统计学会杂志:C系列(应用统计学),53(1):83-932004·Zbl 1111.62395
[56] 马雷克·奥梅尔卡、艾琳·吉布尔斯和诺埃尔·韦拉韦贝克。改进的copulas核估计:弱收敛性和拟合优度检验。统计学年鉴,37(5B):3023-30582009·Zbl 1360.62160
[57] Biswajit Paria、Kirthevasan Kandasamy和Barnabás Póczos。基于随机标量化的多目标贝叶斯优化框架。因努艾,2019年。
[58] 约束处理和多目标优化的改进准则。南安普顿大学博士论文,2013年。
[59] 维克多·皮切尼。通过逐步减少不确定性,使用高斯过程仿真器进行多目标优化。统计与计算,第1-16页,2013年·Zbl 1331.90102号
[60] Victor Picheny and Mickaël Binois.GPGame:使用高斯过程解决复杂博弈问题,2018年。统一资源定位地址http://CRAN.R-project.org/package=GPGame。R包版本1.1.0。
[61] 维克多·皮切尼、托比亚斯·瓦格纳和大卫·金斯堡。基于kriging的噪声优化填充准则基准。结构与多学科优化,48(3):607-6262013。
[62] 维克多·皮切尼、米卡·比诺伊斯和阿布德拉赫曼·哈巴尔。寻找纳什均衡的贝叶斯优化方法。全球优化杂志,73(1):171-1922019·Zbl 1410.91030
[63] 沃尔夫冈·庞维泽、托比亚斯·瓦格纳、德克·比尔曼和马库斯·文斯。基于模型辅助s-度量选择的有限预算评估的多目标优化。来自《自然》的并行问题解决国际会议,784-794页。斯普林格,2008年。
[64] R核心团队。R:统计计算的语言和环境。R统计计算基金会,奥地利维也纳,2018年。统一资源定位地址https://www.R-project.org/。
〔65〕 Carl E.Rasmussen and Christopher Williams.机器学习的高斯过程。麻省理工学院出版社,2006年。统一资源定位地址http://www.gaussianprocess.org/gpml/。·Zbl 1177.68165
[66] 奥利维尔·罗森特、埃斯佩兰·帕多努、伊夫·德维勒、阿洛伊斯克莱门特、纪尧姆·佩林、让·乔拉和亨利·韦恩。具有类别输入的高斯过程元模型的群核。arXiv预印本arXiv:1802.023682018·Zbl 1443.60040
[67] 丹尼尔·鲁索和本杰明·范罗伊。通过信息导向抽样学习优化。神经信息处理系统指南,第1583-15912014页·Zbl 1458.90497
[68] 马蒂亚斯·肖洛、威廉·J·韦尔奇和唐纳德·R·琼斯。计算机模型约束优化中的全局搜索与局部搜索。讲义专著系列,第11-25页,1998年。
〔69〕 Bobak Shahriari、Kevin Swersky、Ziyu Wang、Ryan P Adams和Nando de Freitas。《让人脱离循环:贝叶斯优化述评》,IEEE论文集,104(1):148-1752016。
[70] 赫曼特·库马尔·辛格、阿米塔伊·艾萨克斯和塔帕拉塔·雷。多目标优化问题的Pareto角点搜索进化算法及降维。
[71] 肖恩史密森,杨广,沃伦J格罗斯和布雷特H迈耶。神经网络设计神经网络:多目标超参数优化。2016年IEEE/ACM
[72] Niranjan Srinivas,Andreas Krause,Sham M Kakade和Matthias Seeger。bandit环境下高斯过程优化的信息论后悔界·Zbl 1365.94131号
[73] 计算机实验:多目标优化与灵敏度分析。2011年俄亥俄州立大学博士论文。
[74] Mohammad Tabatabaei、Markus Hartikainen、Karthik Sindhya、Jussi Hakanen和Kaisa Miettinen。基于交互代理的计算代价昂贵的多目标优化方法。运筹学学会杂志,70(6):898-9142019年。
[75] 弗朗克·泰兰德、爱丽丝·米科利埃和帕特里克·泰兰德。Li bim(1.0.0版),2017年。
[76] 帕特里克·泰兰迪耶、贝诺特·高杜、阿尔诺·格里纳德、匡格希·惠恩、尼古拉斯·马里劳、菲利普·凯洛、达米安·菲利普和亚历克西斯·德罗古尔。使用gama平台构建、合成和实验复杂的空间模型。GeoInformatica,第1-24页,2018年。
[77] Lothar Thiele、Kaisa Miettinen、Pekka J Korhonen和Julian Molina。基于偏好的多目标优化进化算法。进化计算,17(3):411-4362009。
[78] 朱利安·维尔蒙泰克斯、艾曼纽·巴斯克斯和埃里克·沃尔特。对代价昂贵的函数进行全局优化的一种信息方法。全球优化杂志,44·Zbl 1180.90253
[79] 托比亚斯·瓦格纳、迈克尔·埃默里奇、安德烈·道兹和沃尔夫冈·庞维泽。基于模型的多目标优化的期望改进准则。国际间
[80] Eric Walter和Luc Pronzato。从实验数据中识别参数模型。斯普林格·韦拉格,1997年·Zbl 0864.93014
[81] 威尔兹比基。参考目标在多目标优化中的应用理论意义和实践经验。1979
[82] 威尔兹比基。参考目标在多目标优化中的应用。多准则决策理论与应用,468-486页。斯普林格,1980年·Zbl 0435.90098
[83] 安德鲁·G·威尔逊和佐宾·加赫拉马尼。Copula过程。神经信息处理系统导论,2460-24682010页。
此参考列表基于出版商或数字数学图书馆提供的信息。它的数学和标识符可能包含启发式匹配的数据项。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。