多目标贝叶斯优化（MOBO）在有限预算下寻找高质量的Pareto前沿，需兼顾收敛（靠近前沿）和多样性（覆盖前沿）。传统方法在搜索过程中同步追求两者，需要精细的采集函数设计，在预算极紧时往往难以同时生成足够的非支配解。为此，本文提出收敛‑后‑多样化（CTD）策略，将收敛与多样性解耦为两个阶段。第一阶段仅优化收敛，快速将搜索引导至Pareto前沿上的某一点；第二阶段切换目标，利用采集函数在已收敛的点附近扩展，填充整个前沿。我们基于两种常用采集函数实现了CTD的简易版本。实验在多组基准函数上进行，共计446次两两比较，CTD在72.9%情形下显著优于最先进方法，21.1%持平，只有6.1%略逊，优势在预算极紧或高维问题上尤为明显。
点评