Heterogeneous Efficient Bayesian Optimization (HEBO)

O HEBO é um algoritmo de otimização Bayesiana concebido para lidar com funções objetivo ruidosas e heterogêneas, utilizando um processo Gaussiano heteroscedástico e um algoritmo evolutivo para a maximização da função de aquisição. Foi a submissão vencedora no NeurIPS 2020 Black-Box Optimisation Challenge.

Como Funciona

O HEBO utiliza um ensemble de modelos de processos Gaussianos para capturar a heteroscedasticidade (variância não constante) no ruído da função objetivo. Seu design foi especificamente otimizado para problemas de otimização de caixa preta de alta dimensão com orçamentos de avaliação limitados.

Pontos Fortes e Fracos

Pontos Fortes

• ✅ Explicitamente projetado para objetivos ruidosos, relevante se as simulações do Aimsun apresentarem variabilidade
• ✅ Pode lidar com funções objetivo heterogêneas, comum em cenários de tráfego complexos
• ✅ Alto desempenho em competições de otimização de caixa preta
• ✅ Eficiência Comprovada: Métodos Bayesianos como o TPE são reconhecidos por sua alta eficiência de amostragem, crucial quando cada avaliação (simulação Aimsun) é cara, uma vantagem explorada em otimizações industriais complexas[cite: 556, 557, 564].

Pontos Fracos

• ❌ Algoritmo relativamente mais recente comparado ao TPE ou à otimização Bayesiana padrão
• ❌ Experiência do usuário e suporte da comunidade podem ser menos extensos
• ❌ A integração de um algoritmo evolutivo para a maximização da função de aquisição pode adicionar alguma sobrecarga computacional

Aplicabilidade à Otimização Semafórica

Para cenários de tráfego complexos, se os resultados da simulação de tráfego do Aimsun forem observados como ruidosos, o HEBO poderá oferecer uma vantagem sobre outros métodos de otimização Bayesiana que assumem uma paisagem objetiva mais suave.

Sua capacidade de lidar com a heterogeneidade poderá ser útil na otimização em diferentes períodos de tempo ou condições de tráfego. Se as experiências iniciais com métodos de otimização Bayesiana padrão mostrarem sensibilidade ao ruído nos resultados do Aimsun, o HEBO poderá ser uma alternativa valiosa a explorar.

Propriedade do Tráfego Real

O tráfego do mundo real é inerentemente estocástico, e esta estocasticidade poderá refletir-se nas simulações do Aimsun. A concepção do HEBO para lidar com funções objetivo ruidosas torna-o potencialmente mais resiliente a estas variações, permitindo-lhe encontrar melhores parâmetros ótimos subjacentes apesar do ruído.