極少サンプル下におけるベイズ最適化の実用的手法と植物工場の収穫量最大化問題への適用（要約）

少ない探索回数からでも効率的に最適解を発見できる手法として、ベイズ最適化が注目を集めている。
しかし既知の探索点が極端に少ない場合、探索点が不確実性の高い領域に偏ってしまう問題を抱えているため、探索点を既知の探索点の周辺に制限をする改良手法を提案する。
既知の探索点が少数の場合、一般的な獲得関数による探索決定方針では未探索領域を探索することが高く評価されるが、定義域の境界付近や距離の離れた探索点の中間から過剰サンプリングが発生してしまう。
そこで探索点の位置に制限を加え、探索の序盤は限られた範囲から探索を始め、探索を重ねるにつれて範囲を徐々に広げることによって、過度な探索を抑制し、少ない探索回数からでも安定して優良解を発見できるようにする。
複数のベンチマーク関数を対象に提案手法の性能を検証したところ、通常のベイズ最適化よりも安定して優れた解を発見することが出来た。

人工光型植物工場は栽培空間で植物の成長に影響する多数の環境要因の制御が可能である。
また。費用対効果が課題であり、最適な栽培環境条件の発見による収穫量の向上が求められている。
今回の提案手法を用いてフリルレタスの環境条件設定の最適化を実施したところ、少ない実験回数で人手の設定による結果を大きく上回る環境条件設定を発見することができた。

引用元：極少サンプル下におけるベイズ最適化の実用的手法と植物工場の収穫量最大化問題への適用