単調関数の制約付きベイズ最適化手法の評価

カテゴリ: 研究会(論文単位)

論文No: ST24023,SMF24050

グループ名: 【C】電子・情報・システム部門 システム/【D】産業応用部門 スマートファシリティ合同研究会

発行日: 2024/10/28

タイトル(英語): Evaluation of Constrained Bayesian Optimization Method for Monotone Functions

著者名: 桐淵 大貴(東芝),吉田 琢史(東芝)

著者名(英語): Daiki Kiribuchi(Toshiba),Takufumi Yoshida(Toshiba)

キーワード: ベイズ最適化|制約付き最適化|シミュレーション最適化|ガウス過程|期待改善量|Bayesian optimization|constrained optimization|simulation optimization|Gaussian process|expected improvement

要約(日本語): シミュレーションを用いた制約付き最適化では、パラメータを増加させると目的関数や制約関数も増加するような単調性が予め分かっていることがある。我々は、この単調情報を活用して効率を向上するベイズ最適化手法を提案したが、2次元の単調試験関数のみでしか有効性を確認できていなかった。本稿では、2-8次元の単調試験関数を用いて実験評価を行い、従来と比べてシミュレーション回数を2割以上削減できることを確認する。

要約(英語): In constrained optimization using simulations, it is sometimes known in advance that the objective function and constraint functions increase as parameters increase, indicating monotonicity. We proposed a Bayesian optimization method that utilizes this monotonic information to improve efficiency, but its effectiveness was confirmed only with a 2-dimensional monotonic test function. In this paper, we evaluate the method experimentally using monotonic test functions of 2-8 dimensions and confirm that it can reduce the number of simulations by more than 20% compared to the conventional method.

本誌: 2024年10月31日システム/スマートファシリティ合同研究会

本誌掲載ページ: 11-14 p

原稿種別: 日本語

PDFファイルサイズ: 1,111 Kバイト