Buchumschlag

Efficient Gradient-Enhanced Bayesian Optimizer with Comparisons to Conjugate-Gradient and Quasi-Newton Optimizers for Unconstrained Local Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Marchildon, André L., Zingg, David W.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Framework for Nonlinearly-Constrained Gradient-Enhanced Local Bayesian Optimization with Comparisons to Quasi-Newton Optimizers
von: Marchildon, André L., et al.
Veröffentlicht: (2025)

Efficient Gradient‐Enhanced Bayesian Optimizer with Comparisons to Conjugate‐Gradient and Quasi‐Newton Optimizers for Unconstrained Local Optimization
von: André L. Marchildon, et al.
Veröffentlicht: (2026)

A Framework for Nonlinearly‐Constrained Gradient‐Enhanced Local Bayesian Optimization With Comparisons to Quasi‐Newton Optimizers
von: André L. Marchildon, et al.
Veröffentlicht: (2025)

Nonlinear Splitting for Gradient-Based Unconstrained and Adjoint Optimization
von: Tran, Brian K., et al.
Veröffentlicht: (2025)

Zeroth-order Gradient and Quasi-Newton Methods for Nonsmooth Nonconvex Stochastic Optimization
von: Marrinan, Luke, et al.
Veröffentlicht: (2023)

Quasi-Quadratic Gradient: A New Direction for Accelerating the BFGS Method in Quasi-Newton Optimization
von: Chiang, John
Veröffentlicht: (2026)

Faster Newton Methods for Convex and Nonconvex Optimization in Gradient Complexity
von: Chen, Lesi, et al.
Veröffentlicht: (2025)

OFF (Proximal) Newton-type Methods with Inexact Derivatives for Unconstrained Optimization
von: Zhu, Hong
Veröffentlicht: (2025)

Shape Optimization with Nonlinear Conjugate Gradient Methods
von: Blauth, Sebastian
Veröffentlicht: (2022)

NeST-BO: Fast Local Bayesian Optimization via Newton-Step Targeting of Gradient and Hessian Information
von: Tang, Wei-Ting, et al.
Veröffentlicht: (2025)

Subspace Quasi-Newton Method with Gradient Approximation
von: Miyaishi, Taisei, et al.
Veröffentlicht: (2024)

An Energy-Based Self-Adaptive Learning Rate for Stochastic Gradient Descent: Enhancing Unconstrained Optimization with VAV method
von: Zhang, Jiahao, et al.
Veröffentlicht: (2024)

Solution of Uncertain Multiobjective Optimization Problems by Using Nonlinear Conjugate Gradient Method
von: Kumar, Shubham, et al.
Veröffentlicht: (2025)

Nonlinear Conjugate Gradient Method for Multiobjective Optimization Problems of Interval-Valued Maps
von: Mondal, Tapas, et al.
Veröffentlicht: (2026)

A Newton-Type Proximal Gradient Method for Nonlinear Multi-objective Optimization Problems
von: Ansary, Md Abu Talhamainuddin
Veröffentlicht: (2022)

Fast Unconstrained Optimization via Hessian Averaging and Adaptive Gradient Sampling Methods
von: O'Leary-Roseberry, Thomas, et al.
Veröffentlicht: (2024)

PRP, HS and LS Conjugate Gradient Methods for Interval-Valued Multiobjective Optimization Problems
von: Mondal, Tapas, et al.
Veröffentlicht: (2026)

Composing Optimized Stepsize Schedules for Gradient Descent
von: Grimmer, Benjamin, et al.
Veröffentlicht: (2024)

Distributed Quasi-Newton Method for Multi-Agent Optimization
von: Shorinwa, Ola, et al.
Veröffentlicht: (2024)

Efficient Digital Quadratic Unconstrained Binary Optimization Solvers for SAT Problems
von: Fong, Robert Simon, et al.
Veröffentlicht: (2024)

Enhancing Fractional Gradient Descent with Learned Optimizers
von: Sobotka, Jan, et al.
Veröffentlicht: (2025)

Optimal Gradient Tracking for Decentralized Optimization
von: Song, Zhuoqing, et al.
Veröffentlicht: (2021)

Full Convergence of Regularized Methods for Unconstrained Optimization
von: Cristofari, Andrea
Veröffentlicht: (2025)

Knowledge Gradient for Multi-Objective Bayesian Optimization with Decoupled Evaluations
von: Buckingham, Jack M., et al.
Veröffentlicht: (2023)

Solving Convex Smooth Function Constrained Optimization Is Almost As Easy As Unconstrained Optimization
von: Zhang, Zhe, et al.
Veröffentlicht: (2022)

Efficient Gradient Tracking Algorithms for Distributed Optimization Problems with Inexact Communication
von: Zhao, Shengchao, et al.
Veröffentlicht: (2025)

Quasi-Newton Methods for Topology Optimization Using a Level-Set Method
von: Blauth, Sebastian, et al.
Veröffentlicht: (2023)

Distributed Adaptive Gradient Algorithm with Gradient Tracking for Stochastic Non-Convex Optimization
von: Han, Dongyu, et al.
Veröffentlicht: (2024)

Hybrid Quantum Branch-and-Bound Method for Quadratic Unconstrained Binary Optimization
von: Peng, Zedong, et al.
Veröffentlicht: (2025)

Decentralized Min-Max Optimization with Gradient Tracking
von: You, Runze, et al.
Veröffentlicht: (2025)

Universal Gradient Methods for Stochastic Convex Optimization
von: Rodomanov, Anton, et al.
Veröffentlicht: (2024)

Gradient Descent for Convex and Smooth Noisy Optimization
von: Hu, Feifei, et al.
Veröffentlicht: (2024)

Unconstrained Robust Online Convex Optimization
von: Zhang, Jiujia, et al.
Veröffentlicht: (2025)

Efficient Gradient-Based Optimization for Joint Layout Design and Control of Wind Turbines
von: Kotary, James, et al.
Veröffentlicht: (2025)

A Communication-Efficient Stochastic Gradient Descent Algorithm for Distributed Nonconvex Optimization
von: Xie, Antai, et al.
Veröffentlicht: (2024)

Safe Gradient Flow for Bilevel Optimization
von: Sharifi, Sina, et al.
Veröffentlicht: (2025)

First-Order Algorithms Without Lipschitz Gradient: A Sequential Local Optimization Approach
von: Zhang, Junyu, et al.
Veröffentlicht: (2020)

Complexity of Projected Gradient Methods for Strongly Convex Optimization with Hölder Continuous Gradient Terms
von: Chen, Xiaojun, et al.
Veröffentlicht: (2026)

KOALA++: Efficient Kalman-Based Optimization with Gradient-Covariance Products
von: Xia, Zixuan, et al.
Veröffentlicht: (2025)

Projected Gradient Descent for Constrained Decision-Dependent Optimization
von: Wang, Zifan, et al.
Veröffentlicht: (2025)