NeurGO: Quadro Generativo per la Sintesi di Candidati Elite nell'Ottimizzazione Costosa

Un nuovo quadro denominato NeurGO è stato introdotto dai ricercatori, progettato come sistema generativo di Meta-Black-Box Optimization (MetaBBO) che sintetizza i migliori candidati dagli stati passati della popolazione, eliminando così valutazioni non necessarie di soluzioni scadenti. Gli algoritmi evolutivi convenzionali e i metodi MetaBBO tendono a sprecare valutazioni durante la selezione dei candidati, mentre le tecniche assistite da surrogati spesso affrontano sfide legate a bias del modello e ottimi locali. NeurGO impiega un encoder basato su attenzione per identificare pattern di ricerca a livello di popolazione e utilizza un decoder per produrre candidati di alta qualità. Questo quadro affronta efficacemente le sfide dell'ottimizzazione black-box costosa prevalenti nei campi scientifici e ingegneristici, dove le valutazioni delle funzioni sono costose e i budget sono limitati. I risultati sono disponibili su arXiv con l'identificatore 2607.23408.