Robust satisficing in Bayesian optimization
Bayesci eniyilemede gürbüz yeterlilik
- Tez No: 982485
- Danışmanlar: DOÇ. DR. CEM TEKİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez,“Bayesci eniyileme”bağlamında“gürbüz yeterlilik”(robust satisficing) adı verilen yeni bir optimizasyon çerçevesinin kullanımını incelemektedir. Sağlam yeterli optimizasyon (RS), klasik optimizasyonun bir alternatifi olarak ortaya çıkmakta; burada amaç, çevresel belirsizlikler altında, önceden belirlenmiş bir eşiği sağlam bir şekilde karşılayan bir çözüm bulmaktır. Öte yandan, Bayesyen optimizasyon (BO), değerlendirilmesi zor siyah-kutu fonksiyonların optimize edilmesinde yaygın olarak kullanılan yerleşik bir yaklaşımdır. BO literatürü şimdiye dek ağırlıklı olarak optimizasyon, sağlam optimizasyon veya doğrudan tatmin edici yöntemler üzerine odaklanmıştır. Bu tezde sunulan çalışmalar, RS yaklaşımını BO çerçevesine dahil eden ilk çalışmalardandır. Problemi, bağlamsal değişkenler üzerindeki dağılım kaymalarının belirsizlik yarattığı bağlamsal Gaussian Süreçleri (GP) ortamında ve seçilen eylemlerin bir saldırgan tarafından bozuma uğratıldığı adversaryel ortamda analiz ediyoruz. Her iki durumda da, hem bilinen bir RS yaklaşımını hem de bunun yeni bir modifikasyonunu kullanarak özgün algoritmalar geliştiriyoruz. Geliştirdiğimiz algoritmalar için her iki senaryoda da pişmanlık (regret) sınırlarını ispatlıyor ve yöntemimizin, dağılımsal olarak sağlam optimizasyon gibi güncel yöntemlere kıyasla üstünlüklerini ortaya koyan kapsamlı benzetim deneyleri sunuyoruz.
Özet (Çeviri)
This thesis explores the use of a recent optimization framework called“robust satisficing”, in the context of Bayesian optimization. Robust satisficing (RS) is an alternative to optimizing, where the goal is to find a solution to a problem that achieves a predefined threshold robustly, under environmental uncertainties. On the other hand Bayesian optimization (BO) is a well-established framework for optimizing difficult to evaluate black-box functions. Previously, the BO literature has mainly focused on optimization, robust optimization or pure satisficing. The goal of this work is to introduce RS in to the BO framework. We analyze the problem in the contextual GP setting where distribution shifts on the contextual variable introduces uncertainties, and also in an adversarial setting where actions chosen are subjected to a perturbation from an adversary. We develop novel algorithms in both settings, using both a known RS approach and a new modification of it. We prove regret bounds for our algorithms in both settings and do extensive simulations that show the advantages of our approach compared with other state-of-the-art methods such as distributionally robust optimization.
Benzer Tezler
- Contributions to the determination of optimized driving strategies for electric vehicles using artificial intelligence based methods
Elektrikli araçlar için yapay zeka tabanlı yöntemlerle en uygunlaştırılmış sürüş stratejilerinin belirlenmesine katkılar
UFUK BOLAT
Yüksek Lisans
İngilizce
2025
İstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Stability robustness analysis of linear systems
Başlık çevirisi yok
MEHMET KARAN
Yüksek Lisans
İngilizce
1990
İhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Energy planning with special concern to modeling B.O.T. hard coal plants
Başlık çevirisi yok
ERCAN ORHAN
- Development of a knowledge-based regulator for a PWR type nuclear power plant
Başlık çevirisi yok
H. LEVENT AKIN