連続的選好ベイズ最適化

選好ベイズ最適化は、費用が高いまたは直接測定が困難な目的の最適化を、専門家による最小限の比較評価に依存して行う手法です。しかし、候補解の生成には通常、高額なコストがかかります。この記事では、従来の手法がこのコストを無視している中、連続的選好ベイズ最適化を提唱し、生産コストを削減するために既に生成された候補を使った比較に制約を設けています。また、フィードバックを提供するオラクルの知覚的曖昧さを考慮し、小さな効用差に対する無関心を捕えるために「Just-Noticeable Difference」閾値を確率的選好モデルに組み込みました。情報理論に基づく取得戦略を適用し、知覚的曖昧さを考慮した選好モデルの下で未知の最適解について最も情報を持つ新しい構成を選択する方法を示します。実験的に、高生産コストやフィードバックに無関心な設定において精度が著しく向上することが確認されました。