Ожидаемый максимальный объем для многоцелевой оптимизации в условиях неопределенности

arXiv:2609.19858v1 Annuales Type: New Brieflow: Проблема многоцелевой оптимизации в условиях неопределенностей часто решается с учетом ожиданий каждой цели. В этой работе мы предлагаем вместо этого сформулировать ее как проблему решения байесов и полагаться на ожидаемое значение гиперобъема, которое должно быть максимальным в отношении конечных точек ввода. Мы показываем, что это может быть сделано с использованием методов, основанных на градиентах в рамках сточастной оптимизации при условии принятия мер к тому, чтобы доминирующие точки занимали более высокие позиции. Кроме того, в отсутствие легкодоступного различного кода мы предлагаем использовать Гауссианские процессы в качестве различных суррогатных моделей для проведения оптимизации. Дополнительным вкладом в эту работу являются некоторые стратегии активного обучения, осуществляемые на основе функций приобретения знаний, которые помогают создать суррогатную модель, хорошо разработанную для решения многосторонней проблемы оптимизации. Эти стратегии сравниваются с простыми аналитическими