论文： 贝叶斯优化方法和应用综述（1）--------陈述设计类问题举例子，与 model-free优化计算的对比

陈述：     就是想看一下贝叶斯学派的陈述，从不同的学派的对比，看看有什么优缺点，然后自己思考下。 

摘要：

通过设计恰当的概率代理模型和采集函数,贝叶斯优化框架只需经过少数次目标函数评估即可获得理想解。

引言：

1.首先举例子说明具体的设计类 问题

2.叙述大数据背景，优化数据均在的各种特性

 

 

3. 说明贝叶斯优化在各中不同行业的别名，以及具体的 应用场景

贝叶斯优化(Bayesian Optimization,简称 BO)是一个有效的解决方法[1].贝叶斯优化在不同的领域也称作序贯克里金优化(Sequential Kriging Optimization,简称 SKO)、基于模型的序贯优化(Sequential Model-Based Optimization,简称 SMBO)、高效全局优化(Efficient Global Optimization,简称EG