SciML/BlackBoxOptim.jl

해결하는 문제

BlackBoxOptim.jl은 함수의 도함수(기울기)를 알지 못해도 함수의 전역 최소값 또는 최대값을 찾는 방법을 제공합니다. 이는 함수가 너무 복잡하거나 미분이 불가능하거나 알려지지 않은 "블랙박스" 문제에서 전통적인 기울기 기반 최적화가 불가능할 때 필수적입니다.

작동 방식

이 패키지는 최적해를 찾기 위해 탐색 공간을 탐색하는 다양한 (메타)휴리스틱 및 확률적 알고리즘을 구현합니다. 단일 목적 최적화(최적의 값을 하나 찾기)와 다중 목적 최적화(파레토 경계라고 알려진 최적의 트레이드오프 집합을 찾기)를 모두 지원합니다.

포함된 주요 알고리즘 패밀리는 다음과 같습니다:

• 차분 진화(DE): 고차원에 잘 스케일링되는 강력한 최적화 방법.
• 자연 진화 전략(NES): 확률적 탐색 방법.
• 직접 탐색: 좌표 탐색 및 확률적 강하를 포함.
• BorgMOEA: 다중 목적 문제에 특화된 알고리즘.

대상 사용자

복잡한 함수를 최적화해야 하며, 함수가 미분이 불가능하거나 전통적인 결정론적 알고리즘이 실패하는 경우에 Julia를 사용하는 연구자 및 개발자에게 적합합니다.

주요 특징

• 기울기 필요 없음: 평가 가능한 임의의 함수에서 작동합니다.
• 다중 목적 지원: BorgMOEA 알고리즘을 사용하여 여러 경쟁적인 목표를 동시에 최적화할 수 있습니다.
• 병렬 평가 지원: 계산 비용이 큰 함수의 최적화를 가속화하기 위해 멀티스레드 및 병렬 실행을 지원합니다.
• 유연한 구성: 사용자가 탐색 범위, 초기 후보 점, 시간 또는 평가 예산을 지정할 수 있습니다.