Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

Dynamic Selection and Configuration of Black-box Optimization Algorithms

Descripción del proyecto

Optimizar las cajas negras en biomedicina y mecánica computacional

Los algoritmos de optimización de las cajas negras se utilizan ampliamente para resolver problemas en diversos sectores industriales y ámbitos académicos. Dada su importancia, se han desarrollado numerosos algoritmos con distintas ventajas y desventajas. El equipo del proyecto dynaBBO, financiado por el CEI, pretende mejorar las técnicas de optimización de las cajas negras cambiando dinámicamente entre distintos algoritmos en tiempo real. Aborda dos cuestiones de investigación: cuándo cambiar de algoritmo y cómo arrancar en caliente el solucionador seleccionado para mantener una búsqueda eficaz. En el proyecto se integran conocimientos sobre los algoritmos de optimización con técnicas de aprendizaje automático para diseñar métodos de selección y configuración de algoritmos basados en trayectorias. Los resultados se validarán en aplicaciones de biomedicina y mecánica computacional.

Objetivo

"Black-box optimization algorithms are among the most widely applied optimization techniques in practice, used to solve numerous problems across a broad range of industrial branches and academic disciplines every day. Given this importance, it is not surprising that a plethora of different black-box optimization algorithms exist, complementing each other in strengths and weaknesses.

In the dynaBBO project, we set out to obtain more efficient black-box optimization techniques by leveraging this complementarity, both with respect to different problem instances and with respect to different stages of the optimization process. To this end, we will develop approaches that select and dynamically switch between different black-box optimization algorithms ""on the fly"".

The two key research questions that guide our project are (1) when to switch from one algorithm to another, and (2) how to warm-start the selected solver so that it can continue the search as effectively as possible. Both questions are largely under-explored and are handled rather naively in practice.

To obtain our dynamic approaches, we intertwine insights about black-box optimization algorithms, obtained through rigorous theoretical analyses, with automated machine learning techniques. In particular, we will design trajectory-based algorithm selection and configuration techniques that combine exploratory landscape analysis with newly designed algorithm features that capture information about the solver-instance interaction. We compare the efficiency of these feature-based approaches with deep learning techniques, reinforcement learning, and approaches based on hyperparameter optimization.

We will further increase our project's impact by validating its results on applications in bio-medicine and in computational mechanics."

Ámbito científico (EuroSciVoc)

Programa(s)

Tema(s)

Régimen de financiación

HORIZON-ERC - HORIZON ERC Grants

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) ERC-2023-COG

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
Aportación neta de la UEn
€ 1 999 975,00
Coste total
€ 1 999 975,00

Beneficiarios (1)