Bayesian Optimization for Function Compositions with Applications to Dynamic Pricing

要約

ベイジアン最適化 (BO) を使用して、ブラック ボックス関数のグローバル最適値を見つけます。
この作業では、合成の形式はわかっているが、構成関数を評価するのに費用がかかる、関数合成の実用的な BO 法を提案します。
構成要素の各ブラック ボックス関数に独立したガウス プロセス (GP) モデルを想定することにより、EI および UCB ベースの BO アルゴリズムを提案し、バニラ BO および現在の最先端のアルゴリズムよりも優れた性能を発揮する能力を実証します。
基礎となる需要関数の評価に費用がかかる場合、提案された方法を収益管理の動的価格設定に新たに適用する方法を示します。

要約(オリジナル)

Bayesian Optimization (BO) is used to find the global optima of black box functions. In this work, we propose a practical BO method of function compositions where the form of the composition is known but the constituent functions are expensive to evaluate. By assuming an independent Gaussian process (GP) model for each of the constituent black-box function, we propose EI and UCB based BO algorithms and demonstrate their ability to outperform vanilla BO and the current state-of-art algorithms. We demonstrate a novel application of the proposed methods to dynamic pricing in revenue management when the underlying demand function is expensive to evaluate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google