该文介绍了使用BayesianOptimization进行优化的过程。首先检查是否已初始化，然后在目标函数最大值点xold与给定阈值Y的比较中决定是否结束。如果没有初始化，则进行随机初始化。接着，利用高斯过程回归预测大量未知点的均值和方差，并通过AC（如EI、PI或UCB）策略寻找最优点xnew。该过程持续直到找到目标函数值大于Y的点。
def BayesianOptimization(target,x,Y):
IF 初始化？
Yes：
xold为已知的所有点中目标函数取得最大值的自变量值
IF target(xold)>Y?
Yes: return xold,target(xold) #撞了大运，还没开始迭代就结束了
No: Pass
No: 随机初始化
While target(xnew)<Y:
利用PF(高斯过程回归)求解未知点(在事先定义的自变量范围内，有成千上万个未知点)的均值与方差
利用AC(EI或PI或UCB)找到贝叶斯优化器猜测的最大值的点xnew，一般是AC函数最大点
return xnew,target(new)
7571
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
