模型Simultaneous Adaptive Sampling for Optimal Region Identification
SASORI
一种用于连续仿真优化的自适应采样算法,能够同时识别所有容差下的近优区域并估计最优点,样本复杂度达到minimax最优。
时间轴 (近 90 天)
11月11日
SASORI(Simultaneous Adaptive Sampling for Optimal Region Identification)算法利用同一组仿真评估,同时返回一个估计的最优点以及所有容差下的近优区域。
待验证50%
11月11日
SASORI的样本复杂度与下界在忽略对数因子后相匹配,因而是minimax最优的。
待验证50%
11月11日
SASORI在区域估计误差与累积遗憾之间实现了最优权衡。
待验证50%
11月11日
当容差为零时,SASORI退化为一个minimax最优的仿真优化过程。
待验证50%
11月11日
数值实验表明SASORI能够准确识别近优区域,并且在样本效率上优于朴素方法。
待验证50%
11月11日
该方法未来有望扩展到更复杂的约束条件和更高维的问题中。
待验证50%
全部知识事实 (6)
待验证
SASORI(Simultaneous Adaptive Sampling for Optimal Region Identification)算法利用同一组仿真评估,同时返回一个估计的最优点以及所有容差下的近优区域。
50%待验证SASORI的样本复杂度与下界在忽略对数因子后相匹配,因而是minimax最优的。
50%待验证SASORI在区域估计误差与累积遗憾之间实现了最优权衡。
50%待验证当容差为零时,SASORI退化为一个minimax最优的仿真优化过程。
50%待验证数值实验表明SASORI能够准确识别近优区域,并且在样本效率上优于朴素方法。
50%待验证该方法未来有望扩展到更复杂的约束条件和更高维的问题中。
50%