黑盒优化（BBO）
https://yunqi.aliyun.com/2021/agenda/session170
黑盒优化问题，泛指目标函数难以从数学上解析表达，缺少可直接利用的梯度信息，仅可利用目标函数输入和对应输出函数值进行最优解搜索的优化问题
黑盒优化（BBO）任务的目标是在有限的评估预算内对黑盒目标函数进行优化。 这里的’’黑盒’’指的是目标函数不具备可分析的性质，因此我们不能使用目标函数的导数等信息。 评估目标函数的代价往往是十分昂贵的。黑盒优化的目标就是尽可能快地找到一个配置，在这个配置下目标函数接近全局最优。
传统的单目标黑盒优化有很多应用场景，包括；
- 自动化A/B测试
- 实验设计
- 数据库参数调优
- 自动化超参数调优
最近，通用的黑盒优化方法已经出现，并应用于众多领域：
- 处理器体系结构和电路设计
- 资源分配
- 自动化化学设计
通用的黑盒优化方法需要支持更多的传统黑盒优化方法所不支持的功能，比如多目标优化和带约束条件的优化。
若有收获，就点个赞吧
0 人点赞
