跳到主要內容
AI News HubLIVE
更多
站內改寫1 分鐘閱讀

基於最優傳輸的置換不變貝葉斯優化在海上風電場佈局中的應用

文章摘要

提出一種基於最優傳輸理論的置換不變貝葉斯優化方法(PIBO),用於解決海上風電場佈局優化問題。相比傳統貝葉斯優化,PIBO能利用問題對稱性,在降低計算時間約一半的同時獲得更優佈局。

來源arXiv AI作者: Antonio Candelieri, Laurens Bliek
基於最優傳輸的置換不變貝葉斯優化在海上風電場佈局中的應用
報告錯誤

更正渠道尚未開通,可先複製下方文章資訊留存。

查看更正說明
直接讀正文

貝葉斯優化(BO)廣泛應用於目標函數昂貴、黑箱且非凸的優化問題。然而,標準BO算法無法利用問題中的對稱性。一個典型例子是最優位置問題:決策變量是連續空間中的一組點,點的順序不影響目標函數值。本文稱為“佈局優化”,以區別於點雲優化(順序重要)。以海上風電場佈局為實例:相同風電機組互換不影響年發電量。基於最優傳輸理論,提出置換不變貝葉斯優化(PIBO),該方法在獲得更優佈局的同時,計算時間約為標準BO的一半。該研究為佈局優化問題提供了高效新途徑。

展開要點與分析

文章情報

研究者進階

要點

  • 貝葉斯優化常用於昂貴黑箱函數優化,但無法利用對稱性。
  • 佈局優化中點的順序不影響目標函數值,具有置換不變性。
  • 提出基於最優傳輸的PIBO方法,有效處理置換不變性。
  • 應用於海上風電場佈局,計算時間減半且佈局更優。

要點與分析由自動化流程生成,可能有誤,請結合原始來源核實。