贝叶斯优化方法和应用综述.docxVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
软件学报 ISSN 1000-9825, CODEN RUXUEW  E-mail: jos@ Journal of Software ,2018,29(10):3068 3090 [doi: 10.13328/ki.jos.005607]  ? 中国科学院软件研究所版权所有  .  Tel: +86-10贝叶斯优化方法和应用综述 1,2 1,2 崔佳旭, 杨 博 1( 符号计算与知识工程教育部重点实验室 (吉林大学 ), 吉林 长春 130012) 2( 吉林大学 计算机科学与技术学院 ,吉林 长春 130012) 通讯作者 : 杨博 , E-mail: ybo@ 摘 要 : 设计类问题在科学研究和工业领域无处不在 . 作为一种十分有效的全局优化算法 , 近年来 ,贝叶斯优化方 法在设计类问题上被广泛应用 .通过设计恰当的概率代理模型和采集函数 ,贝叶斯优化框架只需经过少数次目标函 数评估即可获得理想解 ,非常适用于求解目标函数表达式未知、非凸、多峰和评估代价高昂的复杂优化问题 .从方 法论和应用领域两方面深入分析、讨论和展望了贝叶斯优化的研究现状、面临的问题和应用领域 ,期望为相关领 域的研究者提供有益的借鉴和参考 . 关键词 : 贝叶斯优化 ;全局优化算法 ; 概率代理模型 ;采集函数 ;黑箱 中图法分类号 : TP18 中文引用格式 : 崔佳旭 , 杨博 .贝叶斯优化方法和应用综述 . 软件学报 ,2018,29(10):3068 3090. /1000- 9825/5607.htm 英文引用格式 : Cui JX, Yang B. Survey on Bayesian optimization methodology and applications. Ruan Jian Xue Bao/Journal of Software, 2018,29(10):3068 3090 (in Chinese). /1000-9825/5607.htm Survey on Bayesian Optimization Methodology and Applications CUI Jia-Xu 1,2, YANG Bo1,2 1(Key Laboratory of Symbolic Computation and Knowledge Engineering for the Ministry of Education (Jilin University), Changchun 130012, China) 2(College of Computer Science and Technology, Jilin University, Changchun 130012, China) Abstract : Designing problems are ubiquitous in science research and industry applications. In recent years, Bayesian optimization, which acts as a very effective global optimization algorithm, has been widely applied in designing problems. By structuring the probabilistic surrogate model and the acquisition function appropriately, Bayesian optimization framework can guarantee to obtain the optimal solution under a few numbers of function evaluations, thus it is very suitable to solve the extremely complex optimization problems in which their objective functions could not be expressed, or the functions are non-convex, multimodal and computational expensive. This paper provides a detailed analysis on Bayesian optimization in methodology and application areas, and discusses its research status and the

文档评论(0)

135****4203 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档