arXiv论文提出约束多保真多目标贝叶斯优化方法

Rikuto Matsumoto、Masanori Ishikura、Masayuki Karasuyama 在 arXiv（cs.LG）发表论文，提出一种统一信息论框架，用于约束条件下的多保真多目标贝叶斯优化。作者称，该方法以观测对最高保真可行 Pareto 前沿的信息增益来度量查询效用。 由于该互信息难以直接计算，作者用对 Pareto 一致区域的欠截断与过截断混合近似推导出变分下界，并借助多保真代理模型把信息传播至任意保真度，由此得到无需单独启发式的成本感知采集函数。 合成、基准及真实问题实验显示，该方法在多种目标、约束与保真设置下均有效。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。