跳到正文
arXiv · ML· Hanyang Wang, Juergen Branke, Matthias Poloczek·· 3 天前AI 评分20

MOBO-CAPS: 具备基数感知帕累托选择的多目标贝叶斯优化

MOBO-CAPS: Multi-Objective Bayesian Optimization with Cardinality-Aware Pareto Selection

AI 导读

MOBO-CAPS 提出了一种在资源受限场景下直接寻找固定数量高超体积解集的方法,通过引入基数感知机制避免了先近似完整帕累托前沿再选解的资源浪费。 该方法设计了 REHVI 和 CHO-UCB 两种获取策略,在九个基准测试中均优于标准 MOBO 加事后子集选择的方法,并证明了批量版 CHO-UCB 的亚线性简单遗憾界。

来源:arXiv · ML · arxiv.org