首页
/ Ax框架中实现进化引导贝叶斯优化(EGBO)的技术解析

Ax框架中实现进化引导贝叶斯优化(EGBO)的技术解析

2025-07-01 12:20:46作者:廉彬冶Miranda

概述

在机器学习模型的超参数优化领域,贝叶斯优化(Bayesian Optimization)是一种高效的全局优化方法。本文介绍如何在Facebook的Ax框架中实现进化引导贝叶斯优化(Evolution-Guided Bayesian Optimization, EGBO),这是一种结合了进化算法和贝叶斯优化的混合方法。

EGBO算法原理

EGBO的核心思想是将进化算法(EA)与贝叶斯优化相结合,利用进化算法生成候选点,再通过贝叶斯优化的采集函数进行筛选。这种方法特别适合于多目标优化问题,能够有效平衡探索(exploration)和开发(exploitation)。

算法主要包含两个阶段:

  1. 标准贝叶斯优化阶段:使用qLogNoisyExpectedHypervolumeImprovement采集函数生成初始候选点
  2. 进化算法阶段:使用NSGA-III算法生成更多候选点,然后根据采集函数值进行筛选

Ax框架中的实现细节

在Ax框架中实现EGBO,需要继承Acquisition类并重写optimize方法。以下是关键实现要点:

1. 获取训练数据

通过surrogate.training_data属性可以获取模型的训练数据(Xs, Ys),这是进化算法初始化种群的基础。

Xs = []
Ys = []
for dataset in self.surrogate.training_data:
    Xs.append(dataset.X)
    Ys.append(dataset.Y)
x = Xs[0]
y = Ys[0]

2. 帕累托前沿筛选

使用is_non_dominated函数从现有数据中筛选出帕累托前沿点,作为进化算法的初始种群。

pareto_mask = is_non_dominated(y)
pareto_x = x[pareto_mask].cpu().numpy()
pareto_y = -y[pareto_mask].cpu().numpy()

3. 进化算法配置

使用pymoo库中的UNSGA3算法,配置适当的种群大小和参考方向:

algorithm = UNSGA3(
    pop_size=self.pop_size,
    ref_dirs=get_reference_directions("energy", n_obj, n, seed=None),
    sampling=pareto_x
)

4. 约束处理

对于有约束的优化问题,需要定义约束评估函数并将其集成到pymoo的问题定义中:

def evaluate_constraints(x):
    x_tensor = torch.tensor(x, **tkwargs)
    g = np.zeros((x.shape[0], n_constr))
    # 约束计算逻辑
    return g

pymooproblem = Problem(n_var=n_var, n_obj=n_obj, n_constr=n_constr,
                       xl=xl, xu=xu, evaluate_constraints=evaluate_constraints)

5. 候选点合并与筛选

将贝叶斯优化生成的候选点和进化算法生成的候选点合并,根据采集函数值进行排序筛选:

candidates = torch.cat([qnehvi_x, nsga3_x])
acq_value_list = [acq_func(candidates[i].unsqueeze(dim=0)).item() 
                 for i in range(candidates.shape[0])]
sorted_x = candidates.cpu().numpy()[np.argsort(acq_value_list)]

实现优势

在Ax框架中实现EGBO相比独立实现有以下优势:

  1. 更好的集成性:可以直接利用Ax的模型管理和实验跟踪功能
  2. 更规范的接口:遵循Ax的Acquisition类设计模式
  3. 更强的扩展性:可以方便地与其他Ax功能组合使用

应用场景

EGBO特别适用于以下场景:

  • 高维多目标优化问题
  • 计算资源有限但需要高质量解的情况
  • 目标函数评估成本较高的场景

总结

在Ax框架中实现EGBO提供了一种高效的混合优化方法,结合了贝叶斯优化和进化算法的优点。通过继承Acquisition类并重写optimize方法,开发者可以灵活地实现各种定制化的优化策略,同时充分利用Ax框架提供的丰富功能。这种实现方式不仅保持了算法的理论优势,还提高了工程实践中的可用性和可维护性。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
869
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
295
331
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58