論文の概要: Multi-Fidelity Multi-Objective Bayesian Optimization: An Output Space Entropy Search Approach

• arxiv url: http://arxiv.org/abs/2011.01542v1
• Date: Mon, 2 Nov 2020 06:59:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 12:05:13.874406
• Title: Multi-Fidelity Multi-Objective Bayesian Optimization: An Output Space Entropy Search Approach
• Title（参考訳）: 多次元多目的ベイズ最適化:出力空間エントロピー探索手法
• Authors: Syrine Belakaria, Aryan Deshwal and Janardhan Rao Doppa
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 44.25245545568633
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the novel problem of blackbox optimization of multiple objectives via multi-fidelity function evaluations that vary in the amount of resources consumed and their accuracy. The overall goal is to approximate the true Pareto set of solutions by minimizing the resources consumed for function evaluations. For example, in power system design optimization, we need to find designs that trade-off cost, size, efficiency, and thermal tolerance using multi-fidelity simulators for design evaluations. In this paper, we propose a novel approach referred as Multi-Fidelity Output Space Entropy Search for Multi-objective Optimization (MF-OSEMO) to solve this problem. The key idea is to select the sequence of candidate input and fidelity-vector pairs that maximize the information gained about the true Pareto front per unit resource cost. Our experiments on several synthetic and real-world benchmark problems show that MF-OSEMO, with both approximations, significantly improves over the state-of-the-art single-fidelity algorithms for multi-objective optimization.
• Abstract（参考訳）: 本研究では,複数目的のブラックボックス最適化の問題点について,資源消費量とその精度に異なる多元性関数評価を用いて検討する。 全体的な目標は、機能評価のために消費されるリソースを最小限にすることで、真のパレートのソリューションセットを近似することである。 例えば、電力系統設計の最適化では、設計評価のためにマルチフィデリティシミュレータを用いてコスト、サイズ、効率、耐熱性をトレードオフする設計を見つける必要があります。 本稿では,MF-OSEMO(Multi-Fidelity Output Space Entropy Search for Multi-Objective Optimization)と呼ばれる新しい手法を提案する。 重要なアイデアは、単位リソースコスト当たりの真のパレートフロントに関する情報を最大化する、候補入力と忠実-ベクトルペアのシーケンスを選択することである。 MF-OSEMOは, 両近似を用いて, 多目的最適化のための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を示す。

関連論文リスト

• UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
  マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。 重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。 学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-05-01T09:34:42Z)
• Multi-Objective GFlowNets [59.16787189214784]
  本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。 薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。 GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
  論文  参考訳（メタデータ） (2022-10-23T16:15:36Z)
• Joint Entropy Search for Multi-objective Bayesian Optimization [0.0]
  本稿では,統合エントロピー探索(Joint Entropy Search)と呼ばれるBOのための情報理論獲得関数を提案する。 本稿では, ハイパーボリュームとその重み付き変種の観点から, 合成および実世界の諸問題に対するこの新しいアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2022-10-06T13:19:08Z)
• 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)
• Leveraging Trust for Joint Multi-Objective and Multi-Fidelity Optimization [0.0]
  本稿では,ベイズ的多目的・多忠実度最適化(MOMF)に対する新しいアプローチについて検討する。 複数目的とデータソースの同時最適化を支援するために,信頼度基準の革新的利用を提案する。 本手法はプラズマ物理学や流体力学などの分野におけるシミュレーション問題の解法に適用可能である。
  論文  参考訳（メタデータ） (2021-12-27T20:55:26Z)
• Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
  マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。 我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。 コア最適化問題の実用的なパラメトリゼーションを提供する。
  論文  参考訳（メタデータ） (2021-07-08T18:01:02Z)
• Information-Theoretic Multi-Objective Bayesian Optimization with Continuous Approximations [44.25245545568633]
  この問題を解決するために,情報理論を用いた連続近似を用いた多目的ベイズ最適化(iMOCA)を提案する。 種々の総合的および実世界のベンチマーク実験により、iMOCAは既存の単一忠実度法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） (2020-09-12T01:46:03Z)
• 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)

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。