論文の概要: MF-SCBO : Multi-fidelity Scalable Constrained Bayesian Optimization

• arxiv url: http://arxiv.org/abs/2609.29941v1
• Date: Thu, 24 Sep 2026 15:05:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.040251
• Title: MF-SCBO : Multi-fidelity Scalable Constrained Bayesian Optimization
• Title（参考訳）: MF-SCBO : 多要素スケーラブル制約ベイズ最適化
• Abstract要約: ブラックボックス制約を受ける高次元ブラックボックス関数の多次元最適化はますます重要になっている。 既存の手法では、高次元性、ブラックボックスの制約、任意の数の忠実度、非ネストサンプリングを同時に扱う方法はない。
• 参考スコア（独自算出の注目度）: 0.10705399532413612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many real-world optimization problems rely on expensive simulations or experiments, making the efficient use of available data essential. Multi-fidelity optimization of high-dimensional black-box functions subject to black-box constraints is increasingly relevant as the cost of objective evaluations continues to rise in applications such as machine learning, engineering, and control. To our knowledge, no existing method simultaneously addresses high-dimensionality, black-box constraints, an arbitrary number of fidelity levels, and non-nested sampling. In this work, we extend the Scalable Constrained Bayesian Optimization method to the multi-fidelity setting, resulting in the MF-SCBO method. The proposed approach is evaluated on standard benchmark functions as well as challenging problems. The experimental results demonstrate that MF-SCBO generally achieves better convergence than both the single-fidelity SCBO and the other multi-fidelity method considered in this high-dimensional and constrained settings.
• Abstract（参考訳）: 多くの実世界の最適化問題は高価なシミュレーションや実験に依存しており、利用可能なデータの効率的な利用が不可欠である。 ブラックボックス制約を受ける高次元ブラックボックス関数の多次元最適化は、機械学習、エンジニアリング、制御などの応用において客観的評価のコストが上昇し続けているため、ますます重要になっている。 我々の知る限りでは、高次元性、ブラックボックス制約、任意の数の忠実度、非ネストサンプリングを同時に扱う方法はない。 本研究では,スケーラブルな制約付きベイズ最適化法をマルチ忠実度設定に拡張し,MF-SCBO法を提案する。 提案手法は,標準ベンチマーク関数と課題に基づいて評価される。 実験結果から,MF-SCBOは高次元および制約条件下で考慮された単一忠実度SCBOと他の多忠実度法の両方よりも収束性が高いことがわかった。

関連論文リスト

• A Constrained Multi-Fidelity Bayesian Optimization Method [2.038050035201515]
  本稿では,新しい獲得関数を持つ制約付きマルチ忠実ベイズ最適化(CMFBO)手法を提案する。 具体的には,1)解析的にクローズドな式を持つ,2)実装が容易な,3)実現可能な初期サンプルを必要としない,効率的な獲得関数を設計する。 獲得関数の異なる組み合わせを用いた合成試験問題に対するアルゴリズムの有効性を示す。
  論文  参考訳（メタデータ） (2025-10-13T03:45:54Z)
• Non-Myopic Multi-Objective Bayesian Optimization [64.31753000439514]
  多目的最適化問題を解くために、有限水平逐次実験設計の問題を考察する。 この問題は、材料設計を含む多くの現実世界の応用で発生する。 我々はMOO問題に対する最初の非ミオピック手法を提案する。
  論文  参考訳（メタデータ） (2024-12-11T04:05:29Z)
• Offline Stochastic Optimization of Black-Box Objective Functions [47.74033738624514]
  複雑なブラックボックス関数の高価なアクティブクエリを避けるために、既存のデータを活用することが不可欠である。 ブラックボックスの目的と制御不能な不確実性の両方に対処するオフラインBBO(SOBBO)を導入する。 シミュレーション実験により,本手法が実環境と実環境の両方のタスクに与える影響を実証した。
  論文  参考訳（メタデータ） (2024-12-03T02:20:30Z)
• Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
  各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。 このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-05-28T07:38:39Z)
• BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
  本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。 このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。 種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-01T04:50:06Z)
• No-Regret Constrained Bayesian Optimization of Noisy and Expensive Hybrid Models using Differentiable Quantile Function Approximations [0.0]
  Constrained Upper Quantile Bound (CUQB) は、制約近似を避けるための概念的に単純で決定論的アプローチである。 CUQBは制約のある場合と制約のない場合の両方において従来のベイズ最適化よりも著しく優れることを示す。
  論文  参考訳（メタデータ） (2023-05-05T19:57:36Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• Multi-Fidelity Bayesian Optimization via Deep Neural Networks [19.699020509495437]
  多くのアプリケーションでは、目的関数を複数の忠実度で評価することで、コストと精度のトレードオフを可能にする。 本稿では,DNN-MFBO(Deep Neural Network Multi-Fidelity Bayesian Optimization)を提案する。 本手法の利点は, 総合的なベンチマークデータセットと, 工学設計における実世界の応用の両方にある。
  論文  参考訳（メタデータ） (2020-07-06T23:28:40Z)
• Scalable Constrained Bayesian Optimization [10.820024633762596]
  ブラックボックス制約下での高次元ブラックボックス関数のグローバルな最適化は、機械学習、制御、科学コミュニティにおける普及的なタスクである。 本稿では,上記の課題を克服し,現状を推し進めるスケーラブルな制約付きベイズ最適化(SCBO)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-02-20T01:48:46Z)

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。