ネットワーク上のベイズ最適化

本論文では、メトリックグラフとしてモデル化されたネットワーク上の最適化を扱います。目的関数の評価が高コストであったり、ブラックボックスとしてのみ利用可能な場合に動機づけられ、目的関数のガウス過程サロゲートモデルを逐次更新し、クエリポイントの取得を促進するベイズ最適化アルゴリズムを開発しました。ネットワークのジオメトリに適応するサロゲートを確保するため、確率的偏微分方程式を用いたWhittle-Matérnガウス過程事前モデルを採用しています。滑らかな目的関数の最適化に関する後悔の境界を確立し、目的の滑らかさが不明な実用的なケースについても分析しました。数値結果は、合成メトリックグラフ上でのベンチマーク目的関数の最適化および通信ネットワーク上の最大事後推定を介したベイズ反転におけるアルゴリズムの効果を示しています。