MetaBox: A Benchmark Platform for Meta-Black-Box Optimization with Reinforcement Learning

要約

最近、強化学習によるメタブラックボックス最適化 (MetaBBO-RL) は、メタレベルで RL を活用して、低レベルのブラックボックス オプティマイザーの手動による微調整を軽減する能力を実証しました。
ただし、この分野は統一されたベンチマークの欠如によって妨げられています。
このギャップを埋めるために、MetaBBO-RL メソッドの開発と評価用に特別に調整された初のベンチマーク プラットフォームである MetaBox を紹介します。
MetaBox は、ユーザーが独自のデザインをプラットフォーム内に簡単に実装できる柔軟なアルゴリズム テンプレートを提供します。
さらに、合成シナリオから現実的なシナリオまで収集した 300 を超える幅広い問題インスタンスと、従来のブラックボックス オプティマイザーと最新の MetaBBO-RL メソッドの両方を含む 19 のベースライン メソッドの広範なライブラリを提供します。
さらに、MetaBox は 3 つの標準化されたパフォーマンス指標を導入し、メソッドのより徹底的な評価を可能にします。
厳密な評価と詳細な分析を促進するための MetaBox の有用性を説明するために、既存の MetaBBO-RL 手法に関する広範なベンチマーク調査を実行します。
私たちの MetaBox はオープンソースであり、https://github.com/GMC-DRL/MetaBox からアクセスできます。

要約(オリジナル)

Recently, Meta-Black-Box Optimization with Reinforcement Learning (MetaBBO-RL) has showcased the power of leveraging RL at the meta-level to mitigate manual fine-tuning of low-level black-box optimizers. However, this field is hindered by the lack of a unified benchmark. To fill this gap, we introduce MetaBox, the first benchmark platform expressly tailored for developing and evaluating MetaBBO-RL methods. MetaBox offers a flexible algorithmic template that allows users to effortlessly implement their unique designs within the platform. Moreover, it provides a broad spectrum of over 300 problem instances, collected from synthetic to realistic scenarios, and an extensive library of 19 baseline methods, including both traditional black-box optimizers and recent MetaBBO-RL methods. Besides, MetaBox introduces three standardized performance metrics, enabling a more thorough assessment of the methods. In a bid to illustrate the utility of MetaBox for facilitating rigorous evaluation and in-depth analysis, we carry out a wide-ranging benchmarking study on existing MetaBBO-RL methods. Our MetaBox is open-source and accessible at: https://github.com/GMC-DRL/MetaBox.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google