論文の概要: Every Call is Precious: Global Optimization of Black-Box Functions with Unknown Lipschitz Constants

• arxiv url: http://arxiv.org/abs/2502.04290v1
• Date: Thu, 06 Feb 2025 18:34:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:34:21.051700
• Title: Every Call is Precious: Global Optimization of Black-Box Functions with Unknown Lipschitz Constants
• Title（参考訳）: All Call is Precious: Global Optimization of Black-Box Function with Unknown Lipschitz Constants
• Authors: Fares Fourati, Salma Kharrat, Vaneet Aggarwal, Mohamed-Slim Alouini,
• Abstract要約: 我々は、リプシッツ連続関数のグローバル最適化のための新しいアプローチであるCall Precious (P)を紹介する。 P はリプシッツ定数を推定する必要性を排除し、従って追加関数を最小化する。 ECは、評価予算に対する非レグレットパフォーマンスを保証します。
• 参考スコア（独自算出の注目度）: 72.47160195925056
• License:
• Abstract: Optimizing expensive, non-convex, black-box Lipschitz continuous functions presents significant challenges, particularly when the Lipschitz constant of the underlying function is unknown. Such problems often demand numerous function evaluations to approximate the global optimum, which can be prohibitive in terms of time, energy, or resources. In this work, we introduce Every Call is Precious (ECP), a novel global optimization algorithm that minimizes unpromising evaluations by strategically focusing on potentially optimal regions. Unlike previous approaches, ECP eliminates the need to estimate the Lipschitz constant, thereby avoiding additional function evaluations. ECP guarantees no-regret performance for infinite evaluation budgets and achieves minimax-optimal regret bounds within finite budgets. Extensive ablation studies validate the algorithm's robustness, while empirical evaluations show that ECP outperforms 10 benchmark algorithms including Lipschitz, Bayesian, bandits, and evolutionary methods across 30 multi-dimensional non-convex synthetic and real-world optimization problems, which positions ECP as a competitive approach for global optimization.
• Abstract（参考訳）: 高価で非凸なブラックボックスのリプシッツ連続函数を最適化することは、特に基礎関数のリプシッツ定数が未知である場合、重大な問題を引き起こす。 このような問題は、時間、エネルギー、資源の点で禁止されるグローバルな最適化を近似するために、多くの機能評価を必要とすることが多い。 本研究では,潜在的に最適な領域に戦略的に焦点をあてることで,予測不能な評価を最小限に抑える新しいグローバル最適化アルゴリズムであるEvery Call is Precious (ECP)を紹介する。 従来のアプローチとは異なり、ECPはリプシッツ定数を推定する必要がないため、さらなる関数評価を避けることができる。 ECPは、無限の評価予算に対して非回帰的な性能を保証し、有限予算内で最小限の最適後悔境界を達成する。 大規模なアブレーション研究はアルゴリズムの堅牢性を検証する一方で、実証的な評価では、ECPはリプシッツ、ベイジアン、バンディット、進化的手法を含む10のベンチマークアルゴリズムを30の多次元非凸合成および実世界の最適化問題で上回り、ECPをグローバル最適化の競争的アプローチとして位置づけている。

関連論文リスト

• Optimal Rates for Robust Stochastic Convex Optimization [12.620782629498812]
  我々は,$epsilon$-contaminationモデルの下で,極小最適過大リスクを実現するアルゴリズムを開発した。 我々のアルゴリズムは制限的な仮定を必要とせず、非滑らかだがリプシッツ人口減少関数を扱える。
  論文  参考訳（メタデータ） (2024-12-15T00:52:08Z)
• Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
  統計的決定論の研究からシャノンエントロピーの一般化を考える。 まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。 次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
  論文  参考訳（メタデータ） (2022-10-04T04:43:58Z)
• Algorithmic Foundations of Empirical X-risk Minimization [51.58884973792057]
  この原稿は、機械学習とAIの新しい最適化フレームワーク、bf empirical X-risk baseline (EXM)を紹介している。 Xリスク(X-risk)は、構成測度または目的の族を表すために導入された用語である。
  論文  参考訳（メタデータ） (2022-06-01T12:22:56Z)
• Non-Convex Optimization with Certificates and Fast Rates Through Kernel Sums of Squares [68.8204255655161]
  非最適化近似問題を考える。 本稿では,最優先計算を保証するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-04-11T09:37:04Z)
• Low Regret Binary Sampling Method for Efficient Global Optimization of Univariate Functions [0.0]
  最適クエリと目的関数の最適値との単純な後悔ではなく,アルゴリズムの累積的後悔について検討する。 提案手法は従来の下界アルゴリズムと類似しているが,計算コストの優位性は大きい。
  論文  参考訳（メタデータ） (2022-01-18T18:11:48Z)
• Regret Bounds for Gaussian-Process Optimization in Large Domains [40.92207267407271]
  最適化戦略から得られる解の準最適性(ベイズ的単純後悔)の上限を与える。 これらの後悔の境界は、評価の数、ドメインサイズ、および検索された関数値の最適性の関係を照らす。 特に、評価の数が小さすぎて大域的な最適値が見つからなかったとしても、非自明な関数値を見つけることができる。
  論文  参考訳（メタデータ） (2021-04-29T05:19:03Z)
• Finding Global Minima via Kernel Approximations [90.42048080064849]
  関数評価のみに基づく滑らかな関数のグローバル最小化を考える。 本稿では,近似関数を共同でモデル化し,大域的最小値を求める手法を検討する。
  論文  参考訳（メタデータ） (2020-12-22T12:59:30Z)
• Recent Theoretical Advances in Non-Convex Optimization [56.88981258425256]
  近年、深層ネットワークにおける非最適化アルゴリズムの解析やデータ問題への関心が高まっており、非最適化のための理論的最適化アルゴリズムの最近の結果の概要を概説する。
  論文  参考訳（メタデータ） (2020-12-11T08:28:51Z)
• Off-Policy Interval Estimation with Lipschitz Value Iteration [29.232245317776723]
  一般の連続した環境下での政治外評価のための区間境界を求めるための正当な手法を提案する。 リプシッツ値の反復法を導入し、単調に間隔を縮める。
  論文  参考訳（メタデータ） (2020-10-29T07:25:56Z)
• Composition of kernel and acquisition functions for High Dimensional Bayesian Optimization [0.1749935196721634]
  目的関数の追加性を用いて、ベイズ最適化のカーネルと取得関数の両方をマッピングする。 このap-proachは確率的代理モデルの学習/更新をより効率的にする。 都市給水システムにおけるポンプの制御を実運用に適用するための結果が提示された。
  論文  参考訳（メタデータ） (2020-03-09T15:45:57Z)

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。