다목적 베이지안 최적화(MOBO)에서 수렴(파레토 프런티어에 가까워지기)과 다양성(해집합의 고른 분포)을 동시에 추구하던 기존 방식과 달리, 이 논문은 두 목표를 단계적으로 분리하는 '수렴 후 다양화(CTD)' 접근을 제안한다. 1단계에서는 파레토 프런티어의 한 지점으로 빠르게 수렴하는 데 집중하고, 2단계에서 비로소 해를 프런티어 전반에 고르게 퍼뜨린다. 널리 쓰이는 획득함수를 활용한 두 가지 CTD 구현을 실험한 결과, 총 446건의 쌍대비교 중 72.9%에서 기존 최신 기법보다 통계적으로 우수했고 21.1%는 동등, 6.1%만 열세였다. 특히 평가 예산이 매우 제한적이거나 고차원 문제일 때 CTD의 이점이 두드러졌다.

• •다목적 베이지안 최적화(MOBO)에서 수렴과 다양성을 단계적으로 분리하는 'CTD' 접근을 제안했다.
• •1단계는 파레토 프런티어 한 지점으로 빠르게 수렴, 2단계는 해를 프런티어 전반에 고르게 분산시킨다.
• •446건의 쌍대비교 중 72.9%에서 기존 최신 기법보다 통계적으로 우수한 성능을 보였다.
• •평가 예산이 매우 제한적이거나 고차원 문제일 때 이점이 특히 두드러졌다.