論文の概要: A Parallel Technique for Multi-objective Bayesian Global Optimization:
Using a Batch Selection of Probability of Improvement
- arxiv url: http://arxiv.org/abs/2208.03685v1
- Date: Sun, 7 Aug 2022 09:28:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-09 13:08:24.480093
- Title: A Parallel Technique for Multi-objective Bayesian Global Optimization:
Using a Batch Selection of Probability of Improvement
- Title（参考訳）: 多目的ベイズ大域最適化のための並列手法:改善確率のバッチ選択を用いて
- Authors: Kaifeng Yang, Guozhi Dong, Michael Affenzeller
- Abstract要約: 本稿では,複数の点をバッチで比較した5種類のemphProbability of Improvement (PoI)を提案する。
様々なベンチマークに関する2つの実験を行い、2つのgreedy q-PoIの有効性を実証した。
- 参考スコア（独自算出の注目度）: 2.1055643409860743
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bayesian global optimization (BGO) is an efficient surrogate-assisted
technique for problems involving expensive evaluations. A parallel technique
can be used to parallelly evaluate the true-expensive objective functions in
one iteration to boost the execution time. An effective and straightforward
approach is to design an acquisition function that can evaluate the performance
of a bath of multiple solutions, instead of a single point/solution, in one
iteration. This paper proposes five alternatives of \emph{Probability of
Improvement} (PoI) with multiple points in a batch (q-PoI) for multi-objective
Bayesian global optimization (MOBGO), taking the covariance among multiple
points into account. Both exact computational formulas and the Monte Carlo
approximation algorithms for all proposed q-PoIs are provided. Based on the
distribution of the multiple points relevant to the Pareto-front, the
position-dependent behavior of the five q-PoIs is investigated. Moreover, the
five q-PoIs are compared with the other nine state-of-the-art and recently
proposed batch MOBGO algorithms on twenty bio-objective benchmarks. The
empirical experiments on different variety of benchmarks are conducted to
demonstrate the effectiveness of two greedy q-PoIs ($\kpoi_{\mbox{best}}$ and
$\kpoi_{\mbox{all}}$) on low-dimensional problems and the effectiveness of two
explorative q-PoIs ($\kpoi_{\mbox{one}}$ and $\kpoi_{\mbox{worst}}$) on
high-dimensional problems with difficult-to-approximate Pareto front
boundaries.
- Abstract（参考訳）: ベイズ大域最適化(Bayesian Global Optimization, BGO)は、高価な評価を含む問題に対する効率的な代理支援手法である。
並列手法は、実際の目的関数を1イテレーションで並列に評価し、実行時間を向上するために使用することができる。
効果的で簡単なアプローチは、単一ポイント/ソリューションではなく、複数のソリューションの浴槽のパフォーマンスを1イテレーションで評価できる取得関数を設計することである。
本稿では,多目的ベイズ大域最適化 (MOBGO) のためのバッチ (q-PoI) において,複数点間の共分散を考慮した「改善の確率」(PoI) の5つの選択肢を提案する。
全てのq-PoIに対する正確な計算式とモンテカルロ近似アルゴリズムが提供される。
5つのq-PoIsの位置依存的挙動をパレートフロントに関連する複数の点の分布に基づいて検討した。
さらに、5つのq-PoIは、他の9つの最先端および最近提案された20のバイオオブジェクトベンチマーク上のバッチMOBGOアルゴリズムと比較される。
低次元問題に対する2つの欲望なq-pois (\kpoi_{\mbox{best}}$ および $\kpoi_{\mbox{all}}$) の有効性と、難解なパレート境界を持つ高次元問題に対する2つの探索的q-pois (\kpoi_{\mbox{one}}$ および $\kpoi_{\mbox{worst}}$) の有効性を実証する実験を行った。
関連論文リスト
- Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。
赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
論文 参考訳（メタデータ） (2024-06-21T05:57:08Z) - qPOTS: Efficient batch multiobjective Bayesian optimization via Pareto optimal Thompson sampling [0.0]
多目的最適化を解くためのサンプル効率のアプローチは、プロセス・オラクル・サロゲート(GP)とMOBOOTS$である。
我々はトンプソンサンプリング(TS)に基づくアプローチ(qtextttPOTS$)を提案する。
$qtextttPOTS$は、GP後部の安価な多目的最適化を進化的アプローチで解決する。
論文 参考訳（メタデータ） (2023-10-24T12:35:15Z) - Batch Bayesian Optimization via Particle Gradient Flows [0.5735035463793008]
ブラックボックスとしてしか利用できない,あるいは評価に費用がかかる対象関数のグローバルな最適化方法を示す。
確率測度の空間上の多点予測確率に基づく新しい関数を構築する。
論文 参考訳（メタデータ） (2022-09-10T18:10:15Z) - Multi-block-Single-probe Variance Reduced Estimator for Coupled
Compositional Optimization [49.58290066287418]
構成問題の複雑さを軽減するために,MSVR (Multi-block-probe Variance Reduced) という新しい手法を提案する。
本研究の結果は, 試料の複雑さの順序や強靭性への依存など, 様々な面で先行して改善された。
論文 参考訳（メタデータ） (2022-07-18T12:03:26Z) - Quantum Goemans-Williamson Algorithm with the Hadamard Test and
Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。
補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。
各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文 参考訳（メタデータ） (2022-06-30T03:15:23Z) - $\{\text{PF}\}^2\text{ES}$: Parallel Feasible Pareto Frontier Entropy
Search for Multi-Objective Bayesian Optimization Under Unknown Constraints [4.672142224503371]
本稿では,多目的ベイズ最適化のための情報理論獲得関数を提案する。
$textPF2$ESは、並列設定のための相互情報の低コストで正確な見積もりを提供する。
合成問題と実生活問題で$textPF2$ESをベンチマークします。
論文 参考訳（メタデータ） (2022-04-11T21:06:23Z) - MBORE: Multi-objective Bayesian Optimisation by Density-Ratio Estimation [0.01652719262940403]
最適化問題は、しばしば計算的に、あるいは金銭的にコストがかかる複数の矛盾する目標を持つ。
単代理ベイズ最適化(BO)は、そのようなブラックボックス関数を最適化するための一般的なモデルベースのアプローチである。
BOREによるBOの先行研究を多目的設定に拡張する。
論文 参考訳（メタデータ） (2022-03-31T09:27:59Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z) - Bayesian Algorithm Execution: Estimating Computable Properties of
Black-box Functions Using Mutual Information [78.78486761923855]
多くの現実世界では、T関数の評価の予算を考えると、高価なブラックボックス関数 f の性質を推測したい。
本稿では,アルゴリズムの出力に対して相互情報を最大化するクエリを逐次選択する手法InfoBAXを提案する。
これらの問題に対してInfoBAXは、元のアルゴリズムで要求されるより500倍少ないクエリをfに使用する。
論文 参考訳（メタデータ） (2021-04-19T17:22:11Z) - A Momentum-Assisted Single-Timescale Stochastic Approximation Algorithm
for Bilevel Optimization [112.59170319105971]
問題に対処するための新しいアルゴリズム - Momentum- Single-timescale Approximation (MSTSA) を提案する。
MSTSAでは、低いレベルのサブプロブレムに対する不正確な解決策のため、反復でエラーを制御することができます。
論文 参考訳（メタデータ） (2021-02-15T07:10:33Z) - 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。