跳到正文
原文
arXiv 机器学习· Thomas Wedenig, Paul Plantosar, Robert Peharz·· 16 小时前AI 评分35

RaMMOBO:随机最大边距多目标贝叶斯优化

RaMMOBO: Random Max-Margin Multi-Objective Bayesian Optimization

AI 导读

研究人员提出多目标贝叶斯优化方法 RaMMOBO,其采集函数作为 EHVI 的下界,将评估计算复杂度从指数级降至随目标数 M 线性增长。该方法支持噪声观测与梯度优化,在合成与真实基准中性能达到或超越现有 SOTA 方法,且采集优化速度比 qLogNEHVI 最多快两个数量级。

来源:arXiv 机器学习 · arxiv.org