Improved maximum noise level estimation in black-box optimization problems

В задачах оптимизации черного ящика точная оценка максимального уровня шума имеет ключевое значение для обеспечения надежной работы. В настоящей работе предлагается новый подход к улучшению оценки максимального уровня шума, сосредоточенный на сценариях, где доступны только значения функции, возможно, с ограниченным состязательным шумом. Используя безградиентные алгоритмы оптимизации, мы вводим новое ограничение на шум, основанное на предположении о липшицевости, что позволяет улучшить оценку уровня шума (или улучшить уровень ошибки) для негладких и выпуклых функций. Теоретический анализ и численные эксперименты демонстрируют эффективность нашего подхода, даже для гладких и выпуклых функций. Данное достижение способствует повышению надежности и эффективности алгоритмов оптимизации черного ящика в различных областях, таких как машинное обучение и проектирование инженерных систем, где состязательный шум представляет значительную проблему. Библ. – 32 назв.