达摩院MindOpt优化求解器团队又出「开发者福利」啦，发布了黑盒优化的榜单RABBO，给广大开发者提供研发的素材。
RABBO的全称是Real-Aplication Black-Box Optimization benchmark。榜单会提供具有实际应用背景的黑盒优化测试问题及评测方案，旨在帮助算法研发者打磨求解真实场景问题的黑盒优化算法，为算法使用者提供各类算法特点与适用场景分析以及使用参考。
那，黑盒优化是什么意思呢？
今年MindOpt团队在发布的优化求解器产品中介绍了黑盒优化算法——“通过获取不同控制参数(输入变量)对应的系统表现，来推断和搜寻优化解"、“可用于强化学习策略搜索、工业冶炼方案设计、计算资源额度预算优化等”。
这个优化技术所求解的「黑盒优化问题」，泛指目标函数难以从数学上解析表达，缺少可直接利用的梯度信息，仅可利用目标函数输入和对应输出函数值进行最优解搜索的优化问题。
啊，太抽象了。
那，这技术能怎么用，如何去学习和研发自己的黑盒优化算法呢？
RABBO提供了针对黑盒优化问题的数学建模和优化求解的思路，提供了黑盒优化接口规范代码、有实际应用背景的测试问题、和效果评测的方案，帮助广大研发者快速学习和研发。
当前榜单1.0已经上线了4个题目集，可以直接git clone下载啦！！竞技的线上评测平台也即将上线！
RABBO V1.0的题目集包含4种问题，看起来挺有意思的：
- 经典题目集，synthetic。根据一些经典的数学函数来构造的测试问题，便于理解和学习。
- 金属冶炼配比优化，smelting。在工业炼钢生产工艺中，如何在钢水中投入合适的原料，使得满足下一工序的需求，又能降低成本？
- 火星车路径规划，rover。在环境未知的火星，如何根据当前的位置姿态、环境感知结果来进行路径规划，安全到达目标点？
- 风场微观选址，windfarm。风力发电场的发电收益会受风机尾流效应影响，如何设计每台机组的位置，最大化利用风能？
榜单地址：https://tianchi.aliyun.com/specials/promotion/BlackBox
数据下载方式：git clone git@code.aliyun.com:mindopt001/RABBO.git
线上评测平台：即将上线。
快来下载学习，加入黑盒优化技术的研发队伍吧~~