論文の概要: Trust Region Constrained Bayesian Optimization with Penalized Constraint Handling

• arxiv url: http://arxiv.org/abs/2603.24567v1
• Date: Wed, 25 Mar 2026 17:44:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.417198
• Title: Trust Region Constrained Bayesian Optimization with Penalized Constraint Handling
• Title（参考訳）: 罰則制約処理による信頼領域制約ベイズ最適化
• Authors: Raju Chowdhury, Tanmay Sen, Prajamitra Bhuyan, Biswabrata Pradhan,
• Abstract要約: 高次元ブラックボックス設定における制約付き最適化は、高価な評価、勾配情報の欠如、複雑な実現可能性領域のために困難である。 本稿では,ペナルティの定式化,代理モデル,信頼領域戦略を組み合わせたベイズ最適化手法を提案する。
• 参考スコア（独自算出の注目度）: 0.055997926295092294
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Constrained optimization in high-dimensional black-box settings is difficult due to expensive evaluations, the lack of gradient information, and complex feasibility regions. In this work, we propose a Bayesian optimization method that combines a penalty formulation, a surrogate model, and a trust region strategy. The constrained problem is converted to an unconstrained form by penalizing constraint violations, which provides a unified modeling framework. A trust region restricts the search to a local region around the current best solution, which improves stability and efficiency in high dimensions. Within this region, we use the Expected Improvement acquisition function to select evaluation points by balancing improvement and uncertainty. The proposed Trust Region method integrates penalty-based constraint handling with local surrogate modeling. This combination enables efficient exploration of feasible regions while maintaining sample efficiency. We compare the proposed method with state-of-the-art methods on synthetic and real-world high-dimensional constrained optimization problems. The results show that the method identifies high-quality feasible solutions with fewer evaluations and maintains stable performance across different settings.
• Abstract（参考訳）: 高次元ブラックボックス設定における制約付き最適化は、高価な評価、勾配情報の欠如、複雑な実現可能性領域のために困難である。 本研究では,ペナルティの定式化,代理モデル,信頼領域戦略を組み合わせたベイズ最適化手法を提案する。 制約付き問題は制約違反を罰することにより制約なしの形式に変換され、統一されたモデリングフレームワークを提供する。 信頼領域は、現在の最適解の周りの局所領域への探索を制限し、高次元における安定性と効率を向上させる。 この領域内では、期待改善獲得関数を用いて、改善と不確実性のバランスをとることで評価点を選択する。 提案手法は,ペナルティに基づく制約処理と局所代理モデルを統合する。 この組み合わせにより、サンプル効率を維持しながら、実現可能な領域を効率的に探索することができる。 提案手法を,合成および実世界の高次元制約最適化問題に対する最先端手法と比較した。 その結果,提案手法は,評価の少ない高品質な実現可能な解を識別し,異なる設定で安定した性能を維持していることがわかった。

関連論文リスト

• Feasibility-Driven Trust Region Bayesian Optimization [0.048748194765816946]
  FuRBOは、次の候補解が選択される信頼領域を反復的に定義する。 我々は,フルBBOB制約ベンチマークスイートの広範なテストを通じて,FuRBOの有効性を実証的に実証した。
  論文  参考訳（メタデータ） (2025-06-17T15:16:22Z)
• Trust-Region Sequential Quadratic Programming for Stochastic Optimization with Random Models [57.52124921268249]
  本稿では,1次と2次の両方の定常点を見つけるための信頼逐次準計画法を提案する。 本手法は, 1次定常点に収束するため, 対象対象の近似を最小化して定義された各イテレーションの勾配ステップを計算する。 2階定常点に収束するため,本手法は負曲率を減少するヘッセン行列を探索する固有ステップも計算する。
  論文  参考訳（メタデータ） (2024-09-24T04:39:47Z)
• $i$Trust: Trust-Region Optimisation with Ising Machines [4.961502498941637]
  ボックス制約による信頼領域に基づく最適化を実現するため,Ising マシンの応用を提案する。 修正イジングマシンは凸性あるいは凸性の合理的な仮定の下で示されている。 この命題は古典的および量子古典的なハイブリッドシナリオの両方に有用である。
  論文  参考訳（メタデータ） (2024-06-06T14:25:59Z)
• LABCAT: Locally adaptive Bayesian optimization using principal-component-aligned trust regions [0.0]
  信頼領域に基づくBOを拡張した LABCAT アルゴリズムを提案する。 このアルゴリズムは、最先端のBOや他のブラックボックス最適化アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-19T13:56:24Z)
• Trust-Region-Free Policy Optimization for Stochastic Policies [60.52463923712565]
  本研究では,政策に対する信頼領域の制約が,基礎となるモノトニック改善の保証を損なうことなく,信頼領域のない制約によって安全に置き換えられることを示す。 我々は,TREFree(Trust-Region-Free Policy Optimization)と呼ばれるアルゴリズムを,信頼領域の制約が不要であるとして明示する。
  論文  参考訳（メタデータ） (2023-02-15T23:10:06Z)
• Fully Stochastic Trust-Region Sequential Quadratic Programming for Equality-Constrained Optimization Problems [62.83783246648714]
  目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。 アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
  論文  参考訳（メタデータ） (2022-11-29T05:52:17Z)
• Introduction to Online Control [31.67032731719622]
  オンラインの非確率制御では、コスト関数と仮定された力学モデルからの摂動の両方が敵によって選択される。 目標は、ベンチマーククラスの政策から見て、最高の政策に対して低い後悔を得ることだ。
  論文  参考訳（メタデータ） (2022-11-17T16:12:45Z)
• Trust Region Policy Optimization with Optimal Transport Discrepancies: Duality and Algorithm for Continuous Actions [5.820284464296154]
  信頼地域政策最適化(Trust Region Policy Optimization)は、政策更新を安定化するための一般的なアプローチである。 本稿では,連続状態対応空間のための新しいアルゴリズム,OT-TRPO(Optimal Transport Trust Region Policy Optimization)を提案する。 以上の結果から,輸送の相違は最先端のアプローチよりも有利であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-20T10:04:35Z)
• Upper Trust Bound Feasibility Criterion for Mixed Constrained Bayesian Optimization with Application to Aircraft Design [41.74498230885008]
  我々は、より正確に混合された制約問題を解決するために、いわゆる超効率的なグローバル最適化アルゴリズムを適用する。 本研究は, 数値実験におけるアプローチの可能性を示すものである。
  論文  参考訳（メタデータ） (2020-05-11T12:59:09Z)

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。