Global optimization via inverse distance weighting and radial basis functions

Global optimization problems whose objective function is expensive to evaluate can be solved effectively by recursively fitting a surrogate function to function samples and minimizing an acquisition function to generate new samples. The acquisition step trades off between seeking for a new optimizat...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Computational optimization and applications Ročník 77; číslo 2; s. 571 - 595
Hlavní autor:	Bemporad, Alberto
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer US 01.11.2020 Springer Nature B.V
Témata:	Algorithms Convex and Discrete Geometry Global optimization Management Science Mathematics Mathematics and Statistics Operations Research Operations Research/Decision Theory Optimization Radial basis function Statistics Weighting Global optimization Radial basis functions Black-box optimization Surrogate models Bayesian optimization Inverse distance weighting Derivative-free algorithms
ISSN:	0926-6003, 1573-2894
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!