下载掌阅APP，畅读海量书库
立即打开
本章详细探讨了贝叶斯优化的核心概念和方法。首先，深入研究了高斯过程回归，并介绍了几种常用的获取函数，如期望改进、知识梯度、熵搜索和预测熵搜索。接着，深入探讨了一系列复杂的贝叶斯优化问题，包括处理带有噪声测量的问题、并行评估、约束条件、多保真度和多信息源优化、随机环境条件以及多任务贝叶斯优化和包含导数观测的问题。其次，强调了贝叶斯优化领域的未来发展方向，包括深入理解理论基础、探索新颖统计方法的应用，以及在高维情况下开发有效优化算法的重要性。本章还总结了标准多目标测试问题的性能表现，并引入了用于评估多目标优化方法效果的相关评价指标。这些指标将有助于全面评估贝叶斯优化方法在不同场景下的实际效果。