公开(公告)号：CN110689160B

公开(公告)日：2022-08-23

申请号：CN201910610017.1

申请日：2019-07-08

Applicant: 南京邮电大学 ,  南京邮电大学盐城大数据研究院有限公司

Inventor： 刘斌 ,  杨林甫

IPC: G06Q10/04 ,  G06F17/17 ,  G06F9/445

Abstract: 一种针对大规模复杂系统的参数配置优化方法及装置，包括如下步骤：步骤S1、根据低保真度实验观测数据训练低保真度高斯过程回归模型；步骤S2、根据低保真度高斯过程回归模型输出的预测曲线，获取高保真度实验评估点；步骤S3、根据高保真度实验数据训练高保真度高斯过程回归模型；步骤S4、融合低保真度高斯过程回归模型的预测输出和高保真度高斯过程回归模型的预测输出，确定下次高保真度实验评估点步骤S5、若高保真度实验次数少于预设值，则返回步骤S3进行迭代；反之，则从高保真度实验评估点选出最优点输出。该方法采用贝叶斯模型融合机制充分利用低保真度实验数据，以更少的实验代价获得最优系统配置参数值。

公开(公告)号：CN110689160A

公开(公告)日：2020-01-14

申请号：CN201910610017.1

申请日：2019-07-08

Applicant: 南京邮电大学 ,  南京邮电大学盐城大数据研究院有限公司

Inventor： 刘斌 ,  杨林甫

IPC: G06Q10/04 ,  G06F17/17 ,  G06F9/445

Abstract: 一种针对大规模复杂系统的参数配置优化方法及装置，包括如下步骤：步骤S1、根据低保真度实验观测数据训练低保真度高斯过程回归模型；步骤S2、根据低保真度高斯过程回归模型输出的预测曲线，获取高保真度实验评估点；步骤S3、根据高保真度实验数据训练高保真度高斯过程回归模型；步骤S4、融合低保真度高斯过程回归模型的预测输出和高保真度高斯过程回归模型的预测输出，确定下次高保真度实验评估点步骤S5、若高保真度实验次数少于预设值，则返回步骤S3进行迭代；反之，则从高保真度实验评估点选出最优点输出。该方法采用贝叶斯模型融合机制充分利用低保真度实验数据，以更少的实验代价获得最优系统配置参数值。