为你推荐
内容简介
前言
第1章 概述
1.1 研究背景
1.2 昂贵的多目标优化问题
1.3 研究现状分析
1.4 本书的主要研究内容
1.5 本书的结构安排
第2章 背景知识
2.1 基本概念
2.2 贝叶斯优化
2.3 高斯过程
2.4 获取函数
2.5 标准合成的多目标测试问题
2.6 多目标优化方法的评价指标
2.7 本章小结
第3章 研究综述
3.1 综述部分的总体结构
3.2 相关研究工作
3.3 本章小结
第4章 基于自适应采样的批量多目标贝叶斯优化方法
4.1 引言
4.2 ParEGO简介与局限性分析
4.3 基于自适应采样的批量多目标贝叶斯优化的研究方法
4.4 实验
4.5 神经网络超参调优任务案例分析
4.6 本章小结
第5章 基于块坐标更新的高维多目标贝叶斯优化方法
5.1 引言
5.2 基于块坐标更新的高维多目标贝叶斯优化的研究方法
5.3 实验
5.4 本章小结
第6章 基于可加高斯结构的高维多目标贝叶斯优化方法
6.1 引言
6.2 ADD-GP-UCB简介与局限性分析
6.3 基于可加高斯结构的高维多目标贝叶斯优化的研究方法
6.4 实验
6.5 本章小结
第7章 基于变量交互分析的高维多目标贝叶斯优化方法
7.1 引言
7.2 基于变量交互分析的高维多目标贝叶斯优化的研究方法
7.3 实验
7.4 本章小结
第8章 智能交通领域优化问题案例分析
8.1 问题描述
8.2 实验结果与分析
8.3 本章小结
第9章 未来研究工作展望
9.1 分布式贝叶斯优化
9.2 联邦贝叶斯优化
9.3 动态优化
9.4 异构评估
9.5 算法公平性
9.6 非平稳优化
9.7 负迁移
第10章 全书总结
参考文献
附录
英文对照表
图索引
表索引
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜