机器之心专栏
作者：王林楠、田渊栋
布朗大学在读博士王林楠在本文中介绍了他与Facebook田渊栋团队合作，在年NeurIPS取得亮眼表现的新算法，以及其在神经网络结构搜索中的应用。
现实世界的大多数系统是没有办法给出一个确切的函数定义，比如机器学习模型中的调参，大规模数据中心的冷藏策略等问题。这类问题统统被定义为黑盒优化。黑盒优化是在没办法求解梯度的情况下，通过观察输入和输出，去猜测优化变量的最优解。在过去的几十年发展中，遗传算法和贝叶斯优化一直是黑盒优化最热门的方法。不同于主流算法，本文介绍一个基于蒙特卡洛树搜索（MCTS）的全新黑盒优化算法，隐动作集蒙特卡洛树搜索(LA-MCTS)。LA-MCTS发表在年的NeurIPS，仅仅在文章公开几个月后，就被来自俄罗斯JetBrains和韩国的KAIST的队伍独立复现，并用来参加年NeurIPS的黑盒优化挑战，分别取得了第三名和第八名的好成绩[10][11]。
论文链接：
转载请注明：http://www.twoac.com/wyyy/12772.html
