1.1 贝叶斯优化 Bayesian Optimization

贝叶斯优化 Bayesian Optimization是一种用于黑盒函数优化（Black-Box Optimization）的全局优化方法，适合用来计算昂贵目标函数

昂贵 Expensive：实验验证、仿真软件或者复杂函数计算，耗时高、资源需求大

$Total\_Cost = \frac{O(N)*O(C)}{P}=O(\frac{N*C}{P})$ O(C)：每次昂贵评估的平均成本、是昂贵优化问题的关键瓶颈

O(N)：进化计算算法的时间复杂度，通常表示找到一个满意解的总评估次数

O(P)：并行和分布式计算的加速能力，通过资源拓展缩短时间

过去进行优化的方向

优化方式	研究目标
减少O(C)	降低单次评估成本
减少O(N)	减少总评估次数，提高搜索效率
增加O(P)	提高硬件利用率，减少总计算时间

h