論文の概要: Simulated Annealing-based Candidate Optimization for Batch Acquisition Functions

• arxiv url: http://arxiv.org/abs/2601.07258v1
• Date: Mon, 12 Jan 2026 06:51:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.252503
• Title: Simulated Annealing-based Candidate Optimization for Batch Acquisition Functions
• Title（参考訳）: バッチ獲得関数のアニーリングに基づく候補最適化
• Authors: Sk Md Ahnaf Akif Alvi, Raymundo Arróyave, Douglas Allaire,
• Abstract要約: 本稿では,バッチ取得関数の候補最適化のためのシミュレーションアニーリングに基づくアプローチを提案する。 我々は,SLSQP (Sequential Least Squares Programming) に対するアプローチを,4つのベンチマーク多目的最適化問題に対して評価した。
• 参考スコア（独自算出の注目度）: 0.5196289708103362
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Bayesian Optimization with multi-objective acquisition functions such as q-Expected Hypervolume Improvement (qEHVI) requires efficient candidate optimization to maximize acquisition function values. Traditional approaches rely on continuous optimization methods like Sequential Least Squares Programming (SLSQP) for candidate selection. However, these gradient-based methods can become trapped in local optima, particularly in complex or high-dimensional objective landscapes. This paper presents a simulated annealing-based approach for candidate optimization in batch acquisition functions as an alternative to conventional continuous optimization methods. We evaluate our simulated annealing approach against SLSQP across four benchmark multi-objective optimization problems: ZDT1 (30D, 2 objectives), DTLZ2 (7D, 3 objectives), Kursawe (3D, 2 objectives), and Latent-Aware (4D, 2 objectives). Our results demonstrate that simulated annealing consistently achieves superior hypervolume performance compared to SLSQP in most test functions. The improvement is particularly pronounced for DTLZ2 and Latent-Aware problems, where simulated annealing reaches significantly higher hypervolume values and maintains better convergence characteristics. The histogram analysis of objective space coverage further reveals that simulated annealing explores more diverse and optimal regions of the Pareto front. These findings suggest that metaheuristic optimization approaches like simulated annealing can provide more robust and effective candidate optimization for multi-objective Bayesian optimization, offering a promising alternative to traditional gradient-based methods for batch acquisition function optimization.
• Abstract（参考訳）: q-Expected Hypervolume Improvement (qEHVI)のような多目的獲得関数を用いたベイズ最適化は、取得関数値の最大化のために効率的な候補最適化を必要とする。 従来のアプローチでは、候補の選択にはシークエンシャル・リースト・スクエア・プログラミング(SLSQP)のような連続的な最適化手法を頼りにしていた。 しかし、これらの勾配に基づく手法は、特に複雑あるいは高次元の客観的な風景において、局所最適に閉じ込められることがある。 本稿では,従来の連続最適化手法の代替として,バッチ取得関数の候補最適化のためのシミュレーションアニーリングに基づくアプローチを提案する。 ZDT1 (30D, 2 Objects), DTLZ2 (7D, 3 objectives), Kursawe (3D, 2 objectives), Latent-Aware (4D, 2 objectives) の4つのベンチマーク多目的最適化問題に対して,SLSQPに対するシミュレーションアニーリングアプローチを評価した。 以上の結果から,シミュレートアニーリングは試験関数のSLSQPよりも優れた高体積性能が得られることがわかった。 この改良はDTLZ2とLatent-Awareの問題に対して特に顕著であり、シミュレーションアニーリングは超体積値が著しく高くなり、収束特性が向上する。 対象空間被覆のヒストグラム解析により、シミュレートされたアニーリングがパレートフロントのより多様で最適な領域を探索することが明らかとなった。 これらの結果から, シミュレーションアニーリングのようなメタヒューリスティックな最適化手法は, 多目的ベイズ最適化に対してより堅牢で効果的な候補最適化を実現し, バッチ取得関数最適化のための従来の勾配法に代わる有望な代替手段を提供する可能性が示唆された。

関連論文リスト

• Scalable Min-Max Optimization via Primal-Dual Exact Pareto Optimization [66.51747366239299]
  拡張ラグランジアンに基づくmin-max問題のスムーズな変種を提案する。 提案アルゴリズムは, 段階的戦略よりも目的数で拡張性が高い。
  論文  参考訳（メタデータ） (2025-03-16T11:05:51Z)
• 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)
• Studying Evolutionary Solution Adaption Using a Flexibility Benchmark Based on a Metal Cutting Process [39.05320053926048]
  システム柔軟性のためのバイオインスパイアされたフレームワークの観点から、異なる生産要件を最適化することを検討する。 NSGA-IIの柔軟性は,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)アクティベートあるいは非アクティベート可能な様々な可能性に対応する,アクティブな非アクティブなジェノタイプという2つの変種によって拡張される。
  論文  参考訳（メタデータ） (2023-05-31T12:07:50Z)
• 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 multi-objective optimization for stochastic simulators: an extension of the Pareto Active Learning method [0.0]
  本稿では,高い出力分散を有するシミュレータの多目的最適化に着目する。 我々はベイズ最適化アルゴリズムを用いて最適化すべき関数の予測を行う。
  論文  参考訳（メタデータ） (2022-07-08T11:51:48Z)
• 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)
• Unified Convergence Analysis for Adaptive Optimization with Moving Average Estimator [75.05106948314956]
  1次モーメントに対する大きな運動量パラメータの増大は適応的スケーリングに十分であることを示す。 また,段階的に減少するステップサイズに応じて,段階的に運動量を増加させるための洞察を与える。
  論文  参考訳（メタデータ） (2021-04-30T08:50:24Z)
• Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
  バイレベル最適化は多くの機械学習問題に対するツールである。 Stoc-BiO という新しい確率効率勾配推定器を提案する。
  論文  参考訳（メタデータ） (2020-10-15T18:09:48Z)
• BOSH: Bayesian Optimization by Sampling Hierarchically [10.10241176664951]
  本稿では,階層的なガウス過程と情報理論の枠組みを組み合わせたBOルーチンを提案する。 BOSHは, ベンチマーク, シミュレーション最適化, 強化学習, ハイパーパラメータチューニングタスクにおいて, 標準BOよりも効率的で高精度な最適化を実現する。
  論文  参考訳（メタデータ） (2020-07-02T07:35:49Z)
• A Primer on Zeroth-Order Optimization in Signal Processing and Machine Learning [95.85269649177336]
  ZO最適化は、勾配推定、降下方向、ソリューション更新の3つの主要なステップを反復的に実行する。 我々は,ブラックボックス深層学習モデルによる説明文の評価や生成,効率的なオンラインセンサ管理など,ZO最適化の有望な応用を実証する。
  論文  参考訳（メタデータ） (2020-06-11T06:50:35Z)

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。