结合贝叶斯优化的乐观博弈在蛋白质设计中的应用
发表于: 。本研究解决了现有贝叶斯优化(Bayesian Optimization)算法在组合性和无结构空间中不可行的问题。提出了新颖的博弈理论方法$\textbf{GameOpt}$,通过建立优化变量之间的合作游戏,选择信心上界获取函数的博弈平衡点,显著提高了在复杂组合空间中的优化效率。实验结果表明,该方法在蛋白质设计中的表现优越,能够有效筛选出高活性蛋白变体。
本研究解决了现有贝叶斯优化(Bayesian Optimization)算法在组合性和无结构空间中不可行的问题。提出了新颖的博弈理论方法$\textbf{GameOpt}$,通过建立优化变量之间的合作游戏,选择信心上界获取函数的博弈平衡点,显著提高了在复杂组合空间中的优化效率。实验结果表明,该方法在蛋白质设计中的表现优越,能够有效筛选出高活性蛋白变体。