Cologne Open Science: Expected Improvement versus Predicted Value in Surrogate-Based Optimization
Mit der korrekten Parametrisierung für modellbasierte Optimierungsalgorithmen befasst sich die Veröffentlichung “Expected Improvement versus Predicted Value in Surrogate-Based Optimization” aus dem IDE+A Team.
Ziel der Arbeit ist es möglichst effizient teuer zu evaluierende Probleme (z.B. Computersimulationen oder Maschinenexperimente) zu optimieren.
Geplant war es die Arbeit auf der GECCO (Genetic and Evolutionary Computation Conference) in Cancun, Mexico vorzustellen. Die Konferenz wurde aber aufgrund der von COVID-19 bedingten Umstände nun zum ersten Mal als online Konferenz abgehalten.
Frederik Rehbach präsentierte die Arbeit daher stattdessen per Videoschaltung (Bild).
Zusätzlich zur Veröffentlichung in den Conference Proceedings ist die Arbeit nun auch über Cologne Open Science frei verfügbar.
Juli 2020