时变贝叶斯优化的渐近性能

arXiv:2505.13012v3 公告类型：替换交叉版本 摘要：时变贝叶斯优化（TVBO）是优化可能含噪且评估成本高昂的时变黑盒目标函数的首选框架，但其出色的经验性能在理论上仍有待理解。TVBO 算法的瞬时遗憾是否可能渐近消失？如果可以，在什么条件下能够实现？我们通过为 TVBO 算法的累积遗憾提供上界和与算法无关的下界，回答了这一极为重要的问题。在此过程中，我们深入揭示了 TVBO 框架的重要特性，并推导出 TVBO 算法具备无遗憾性质的充分条件。据我们所知，我们的分析首次涵盖了实践中使用的所有主要类别的平稳核函数。