弗朗西斯科·卡西亚吉;西蒙·马吉斯特里;皮埃尔路易吉·曼苏托;法比奥·肖恩 基于双目标优化的批量贝叶斯全局优化捕获策略。 arXiv:2402.00726 预打印，arXiv:2402.00726[math.OC]（2024）。 摘要：在本文中，我们处理了盒子上的批量贝叶斯优化（Bayes-Optimization，Bayes-Opt）问题，并提出了一种新的双目标优化（bi-objective Optimizion，BOO）获取策略，以获取评估目标函数的样本点。BOO问题涉及高斯过程后验均值和方差函数，在文献中的大多数捕获策略中，这两个函数通常是组合使用的，经常通过标量化使用。然而，这种规模化可能会损害Bayes-Opt进程的性能，因为在大多数情况下，在探索和利用之间取得所需的平衡并不容易。相反，我们的目标是在优化后验均值和方差的基础上重建BOO问题的Pareto前沿，从而在没有任何先验知识的情况下产生多重权衡。重建是通过最近在文献中提出的非支配排序模因算法（NSMA）进行的，该算法被证明是解决困难MOO问题的有效方法。最后，我们提出了两种聚类方法，每种方法都在不同的空间上运行，以从Pareto前沿选择可能的最佳点。我们将我们的方法与文献中著名的获取策略进行了比较，在一系列实验中表明了其有效性。 MSC公司： 62C10个 贝叶斯问题；贝叶斯过程的特征 90C29型 多目标规划 90立方 非线性规划 BibTeX公司 引用 \textit{F.Carciaghi}等人，“基于双目标优化的批量贝叶斯全局优化采集策略”，预打印，arXiv:2402.00726[math.OC]（2024） 全文： arXiv公司 OA许可证 arXiv数据来自arXiv OAI-PMH API.如果你发现了错误，请直接向arXiv报告.