AI開発力を鍛える！機械学習と最適化による問題解決講座

164

0

1

2

3

3

リアル試行と仮想試行による最適化の違いは？

　本節の最後に、最適化ループ内での試行が実際のリアル試行であるか、仮想試

行であるかの観点から、最適化の構成と特徴を整理しましょう。

図 3.2.8 に構成

をまとめた図を示します。仮想試行には、シミュレーション試行と機械学習試行

があり、さらにシミュレーションで作成したデータを用いて訓練した機械学習に

よる組合せ試行も考えると、大まかには4 種類の構成に分類することができます。

それぞれの特徴を見ていきましょう。

リアル試行を用いた最適化

　リアル試行を用いた最適化の最大の利点は、結果が直接得られ、得られた最適

解をそのまま使用できることです。アルゴリズムが適切であれば、少ないリアル

試行回数で最適解を得ることができます。また構成がシンプルであるため導入障

壁も低く、シミュレーションや機械学習の環境や実施コストも必要ありません。

実際のリアル試行において大きなコストが発生する場合は、問題の性質や探索範

囲内に解があることがわかっている状況で用いると効果が高いでしょう。例えば、

製造装置のメンテナンス後の条件出しのように、過去に何度も実績があり、適し

たアルゴリズムや解の存在がわかっている場合には、最適化の確実性が高いで

しょう。一方で、影響するパラメータの種類や範囲が不明な場合やリアル試行が

非常に高コストで何度も実験することが現実的には難しい場合に、リアル試行で

条件探索を進めることは、ある種の賭けとなりますので、予定した試行回数で良

い条件が得られないといった結果になることもあり得ます。 ...