日前，由我院大三学生陈纪翔和罗福作为共同第一作者、王振坤助理教授作为通讯作者的论文“Dynamic Multi-objective Ensemble of Acquisition Functions in Batch Bayesian Optimization”被国际会议Genetic and Evolutionary Computation Conference 2022 (GECCO2022)录用。GECCO2022将于今年7月在美国波士顿举办。
GECCO是ACM主办的人工智能领域国际学术会议，属于CCF推荐国际重要学术会议。GECCO会议始办于1999年，是进化计算领域最重要的年度盛会之一。本次会议主题包括遗传算法、遗传程序设计、进化策略、进化编程、基因算法、超启发式算法、现实世界的应用、进化机器学习、神经进化、可进化硬件、人工生命、适应性行为、蚁群算法、集群智能、生物应用、进化机器人学、协同进化、人工免疫系统等。
关于论文
在工程实际优化过程中，设计变量与优化目标之间不存在明确的解析表达式，同时对一组设计变量进行性能评估需要在时间或金钱上花费高昂的代价，这类问题因而被称作“黑盒昂贵优化问题”。本论文就该类问题提出了“一种批量贝叶斯优化的新方法”。
贝叶斯优化是针对该问题的一类高效优化方法。采集函数在贝叶斯优化中扮演着重要的角色，它影响着设计变量的评估预测准则，不同采集函数具有不一样的优势与偏差。本文研究聚焦于将不同的采集函数组合使用，以多目标优化的视角对待不同的采集函数，在每次迭代中，根据当前信息和历史信息，从待选集合内动态地选择三个采集函数，形成多目标优化问题，并使用多目标优化遗传算法来求解对应的多目标优化问题，从而得到一组非支配解；然后再根据三个采集的相对性能将其分为多层，并在不同层中批量选择非支配解。实验结果表明，所提出的方法在不同问题上都比现有方法更有效。