[发明专利]用于为贝叶斯优化法选择评估点的控制装置和方法

说明书

用于为贝叶斯优化法选择评估点的控制装置和方法。描述了一种用于为用来优化通过统计模型来被建模的物理或化学过程的贝叶斯优化法选择评估点的方法，该方法具有：根据在先前评估点的一次或多次评估的结果来确定该统计模型的后验模型；并且通过优化关于搜索空间的采集函数来选择下一个评估点，该下一个评估点通过由该后验模型给出的在搜索空间中的点的预测方差的预先给定的极限来被给出。

技术领域

不同的实施例一般地涉及用于为贝叶斯优化法选择评估点的控制装置和方法。

背景技术

在控制过程、例如控制用于生产产品的设施或加工工件或使机器人移动的控制过程中，控制参数的值与结果、也就是说能观察到的输出参数值之间的关系可能非常复杂。此外，对控制参数值的这种评估可能花费高且有错误。在这种情况下，贝叶斯优化（BO）适合于确定控制参数值，因为贝叶斯优化允许当只有受到噪声干扰的评估供支配时优化未知的黑箱（Black-Box）功能。贝叶斯优化法的效率在很大程度上取决于如何选择评估点。与此相对应地，值得期望的是用于为贝叶斯优化法选择评估点的途径，这些途径能够实现对例如机器人的高效的控制。

发明内容

按照不同的实施方式，提供了一种用于为用来优化通过统计模型来被建模的物理或化学过程的贝叶斯优化法选择评估点的方法，该方法具有：根据在先前评估点的一次或多次评估的结果来确定该统计模型的后验模型；并且通过优化关于搜索空间的采集函数来选择下一个评估点，该下一个评估点通过由该后验模型给出的在搜索空间中的点的预测方差的预先给定的极限来被给出。

贝叶斯优化是用于优化功能的一种非常通用的方法。该方法的优势在于：该方法由于其需要很少的功能评估来找到最优值而非常高效，而且可以处理有噪声的功能评估，并且不需要梯度信息。因此，该方法适合于其中例如实验参数必须被优化以便使一定参量最大化的大量应用。

通过上述用于为贝叶斯优化法选择评估点的方法，关于良好的控制参数值的先前知识被充分利用并且控制参数空间被谨慎勘探。该局部方案（而不是全局方案）允许将贝叶斯优化应用于维数相对高（例如维度10至100）的控制参数空间。应用示例是控制装置的设计、生产技术中的过程参数的优化或者具有大量控制参数的构件的优化。

上述途径能够实现关于所需的功能评估的数目方面的高效优化（低的所谓的“Simple Regret（简单遗憾）”）以及对控制参数空间的仔细调查，使得（例如在像机器人那样的受控设备处的）损坏被避免（低的所谓的“Cumulative Regret（累积遗憾）”）。

在下文说明不同的实施例。

实施例1是如上所述的用于为贝叶斯优化法选择评估点的方法。

实施例2是按照实施例1的方法，其中静态模型是高斯过程并且预先给定的极限是高斯过程的内核的信号方差的预先给定的一小部分。

借助于高斯过程对过程的建模能够实现高效的贝叶斯优化。通过根据高斯过程的内核的信号方差来确定预先给定的极限，使搜索空间与高斯过程的内核适配。

实施例3是按照实施例1或2的方法，其中通过从评估点范围中采样来确定下一个评估点的备选方案的集合并且选择这些备选方案中的对其来说采集函数在这些备选方案的集合中取最优值的一个备选方案作为下一个评估点。

这能够实现关于搜索空间的高效的优化。

实施例4是按照实施例3的方法，其中评估范围是参数范围的子集并且通过采样借助于从参数范围中的拒绝方法来确定备选方案的集合，其中将不在搜索空间中的样本丢弃。

如上所述被规定的搜索空间通常不连续。按照权利要求4的途径在这种情况下仍能够实现高效的采样（也就是说从搜索空间中选择抽样）。

实施例5是按照实施例4的方法，其中在参数范围内进行采样具有在参数范围的子空间中进行采样，这些子空间分别包含先前评估点中的一个或多个。