[4M1-GS-2a] Machine learning

9:15 AM - 9:30 AM JST(12:15 AM - 12:30 AM UTC)

[4M1-GS-2a-02] Constrained Preferential Batch Bayesian Optimization

〇Koki Iwai¹, Yusuke Kumagae¹, Yuki Koyama², Masahiro Hamasaki², Masataka Goto² (1. Hakuhodo DY Holdings Inc., 2. National Institute of Advanced Industrial Science and Technology (AIST))

Keywords:

Preferential Bayesian Optimization,Bayesian Optimization,Preferential Learning,Gaussian Processes,A/B Testing

選好ベイズ最適化（Preferential Bayesian Optimization; PBO）は，候補間の一対比較に基づいてブラックボックス関数を最適化する手法であり，反復的なA/Bテストを含む多様な実応用問題への適用が期待されている．一方，これらの応用では，未知の制約を満たしつつ，複数の候補をバッチとして同時に選択することが求められるが，既存のPBO拡張では制約処理またはバッチ選択のいずれかにしか対応できず，両者を統一的に扱えない．そこで本稿では，制約付き選好バッチベイズ最適化（Constrained Preferential Batch Bayesian Optimization; CPBBO）を提案する．CPBBOを実現するため，新しい獲得関数qEUBOCと，数値的安定性を改善する対数空間定式化qLogEUBOCを導入する．シミュレーション実験により，提案手法がサンプル効率と精度の両面で既存ベースラインを上回ることを示す．