論文の概要: Improved Max-value Entropy Search for Multi-objective Bayesian
Optimization with Constraints
- arxiv url: http://arxiv.org/abs/2011.01150v2
- Date: Fri, 2 Apr 2021 15:37:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 11:22:20.452680
- Title: Improved Max-value Entropy Search for Multi-objective Bayesian
Optimization with Constraints
- Title(参考訳): 制約付き多目的ベイズ最適化のためのマックス値エントロピー探索の改良
- Authors: Daniel Fern\'andez-S\'anchez, Eduardo C. Garrido-Merch\'an and Daniel
Hern\'andez-Lobato
- Abstract要約: 制約付き多目的ベイズ最適化のための最大値エントロピー探索の改良版であるMESMOC+を提案する。
MESMOC+は、目的と制約が評価に高価である場合に制約付き多目的問題の解決に使用できる。
- 参考スコア(独自算出の注目度): 1.2249546377051437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present MESMOC+, an improved version of Max-value Entropy search for
Multi-Objective Bayesian optimization with Constraints (MESMOC). MESMOC+ can be
used to solve constrained multi-objective problems when the objectives and the
constraints are expensive to evaluate. MESMOC+ works by minimizing the entropy
of the solution of the optimization problem in function space, i.e., the Pareto
frontier, to guide the search for the optimum. The cost of MESMOC+ is linear in
the number of objectives and constraints. Furthermore, it is often
significantly smaller than the cost of alternative methods based on minimizing
the entropy of the Pareto set. The reason for this is that it is easier to
approximate the required computations in MESMOC+. Moreover, MESMOC+'s
acquisition function is expressed as the sum of one acquisition per each
black-box (objective or constraint). Thus, it can be used in a decoupled
evaluation setting in which one chooses not only the next input location to
evaluate, but also which black-box to evaluate there. We compare MESMOC+ with
related methods in synthetic and real optimization problems. These experiments
show that the entropy estimation provided by MESMOC+ is more accurate than that
of previous methods. This leads to better optimization results. MESMOC+ is also
competitive with other information-based methods for constrained
multi-objective Bayesian optimization, but it is significantly faster.
- Abstract(参考訳): 制約付き多目的ベイズ最適化のための最大値エントロピー探索の改良版であるMESMOC+を提案する。
MESMOC+は、目的と制約が評価に高価である場合に制約付き多目的問題の解決に使用できる。
MESMOC+は関数空間における最適化問題の解のエントロピー、すなわちパレートフロンティアを最小化して最適探索を導く。
MESMOC+のコストは目的と制約の数で線形である。
さらに、これはパレート集合のエントロピーを最小化することに基づく代替手法のコストよりも著しく小さいことが多い。
その理由は、MESMOC+で必要となる計算をより簡単に近似できるからである。
さらに、mesmoc+の獲得関数は、ブラックボックス(目的または制約)ごとに1つの獲得の合計として表現される。
これにより、次の入力位置だけでなく、どのブラックボックスを評価すべきかを選択する非結合評価設定で使用することができる。
合成および実最適化問題におけるMESMOC+と関連する手法の比較を行った。
これらの実験により,MESMOC+のエントロピー推定は従来の手法よりも精度が高いことが示された。
これにより最適化結果が向上する。
MESMOC+は制約付き多目的ベイズ最適化のための他の情報ベース手法と競合するが、かなり高速である。
関連論文リスト
- Stochastic Optimal Control Matching [53.156277491861985]
最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。
この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。
実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
論文 参考訳(メタデータ) (2023-12-04T16:49:43Z) - Faster Stochastic Variance Reduction Methods for Compositional MiniMax
Optimization [50.10952609321302]
合成ミニマックス最適化は、さまざまな機械学習領域において重要な課題である。
構成最小最適化の現在の方法は、最適以下の複雑さや、大きなバッチサイズに大きく依存することによって悩まされている。
本稿では,Nested STOchastic Recursive Momentum (NSTORM)と呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2023-08-18T14:57:21Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳(メタデータ) (2022-10-27T01:58:10Z) - Bayesian Optimization for Macro Placement [48.55456716632735]
本研究では,系列対上のベイズ最適化(BO)を用いた新しいマクロ配置法を提案する。
BOは確率的代理モデルと獲得関数を利用する機械学習技術である。
固定アウトラインマクロ配置問題に対して, 半周波線長目標を用いたアルゴリズムを実証する。
論文 参考訳(メタデータ) (2022-07-18T06:17:06Z) - Uncertainty-Aware Search Framework for Multi-Objective Bayesian
Optimization [40.40632890861706]
高価な関数評価を用いたマルチオブジェクト(MO)ブラックボックス最適化の問題点を考察する。
UeMOと呼ばれる新しい不確実性対応検索フレームワークを提案し、評価のための入力シーケンスを効率的に選択する。
論文 参考訳(メタデータ) (2022-04-12T16:50:48Z) - Optimizer Amalgamation [124.33523126363728]
私たちは、Amalgamationという新しい問題の研究を動機付けています。"Teacher"アマルガメーションのプールを、より強力な問題固有のパフォーマンスを持つ単一の"学生"にどのように組み合わせるべきなのでしょうか?
まず、勾配降下による解析のプールをアマルガメートする3つの異なるメカニズムを定義する。
また, プロセスの分散を低減するため, 目標を摂動させることでプロセスの安定化を図る。
論文 参考訳(メタデータ) (2022-03-12T16:07:57Z) - Divide and Learn: A Divide and Conquer Approach for Predict+Optimize [50.03608569227359]
予測+最適化問題は、予測係数を使用する最適化プロブレムと、確率係数の機械学習を組み合わせる。
本稿では, 予測係数を1次線形関数として, 最適化問題の損失を直接表現する方法を示す。
本稿では,この制約を伴わずに最適化問題に対処し,最適化損失を用いてその係数を予測する新しい分割アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-12-04T00:26:56Z) - Multi-Fidelity Multi-Objective Bayesian Optimization: An Output Space
Entropy Search Approach [44.25245545568633]
複数目的のブラックボックス最適化の新たな課題を多要素関数評価を用いて検討する。
いくつかの総合的および実世界のベンチマーク問題に対する実験により、MF-OSEMOは両者の近似により、最先端の単一忠実度アルゴリズムよりも大幅に改善されていることが示された。
論文 参考訳(メタデータ) (2020-11-02T06:59:04Z) - Max-value Entropy Search for Multi-Objective Bayesian Optimization with
Constraints [44.25245545568633]
航空電力システム設計の応用においては、運動温度とセル電圧の比しきい値を満たすとともに、総エネルギーと質量をトレードオフする設計を見出す必要がある。
本稿では,制約付き多目的最適化のためのem Max-value Entropy Search (MESMOC) と呼ばれる新しい手法を提案する。
MESMOCは、出力空間エントロピーに基づく取得関数を使用して、評価のための入力のシーケンスを効率的に選択し、高品質なパリトセットソリューションを明らかにする。
論文 参考訳(メタデータ) (2020-09-01T05:00:01Z) - Uncertainty aware Search Framework for Multi-Objective Bayesian
Optimization with Constraints [44.25245545568633]
高価な関数評価を用いた制約付きマルチオブジェクト(MO)ブラックボックス最適化の問題点を考察する。
本稿では,制約付き多目的最適化のための不確実性認識検索フレームワークを提案する。
UeMOCは最適化回路の探索に必要なシミュレーション数を90%以上削減できることを示す。
論文 参考訳(メタデータ) (2020-08-16T23:34:09Z) - Parallel Predictive Entropy Search for Multi-objective Bayesian
Optimization with Constraints [0.0]
実世界の問題は、しばしば複数の制約の下で複数の目的を最適化する。
本稿では,ブラックボックス関数の同時最適化のための情報ベースバッチ手法であるPESMOCを紹介する。
繰り返して、PESMOCはブラックボックスを評価するための入力場所のバッチを選択する。
論文 参考訳(メタデータ) (2020-04-01T17:37:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。