Trust Region Constrained Bayesian Optimization with Penalized Constraint Handling
Di cosa parla
Una tecnica per trovare buone soluzioni quando si deve ottimizzare qualcosa ma i vincoli sono complessi e ogni prova è costosa. Converte i vincoli in penalità, usa un modello che approssima la funzione costosa e limita la ricerca a una zona locale attorno alla migliore soluzione; dentro quella zona sceglie nuovi punti bilanciando miglioramento e incertezza. I test mostrano soluzioni valide con meno prove.
Cosa permette di osservare
Permette di esplorare se trasformare i vincoli in penalità e concentrarsi su ricerche locali è una strategia efficace per trovare soluzioni praticabili con poche prove in problemi con molte variabili.
Dalla fonte
Constrained optimization in high-dimensional black-box settings is difficult due to expensive evaluations, the lack of gradient information, and complex feasibility regions. In this work, we propose a Bayesian optimization method that combines a penalty formulation, a surrogate model, and a trust region strategy. The constrained problem is converted to an unconstrained form by penalizing constraint violations, which provides a unified modeling framework. A trust region restricts the search to a local region around the current best solution, which improves stability and efficiency in high dimensions. Within this region, we use the Expected Improvement acquisition function to select evaluation points by balancing improvement and uncertainty. The proposed Trust Region method integrates penalty-based constraint handling with local surrogate modeling. This combination enables efficient explo…