基于多目标分区域贝叶斯优化的猪食配方设计

动物营养学中的食物配方设计是一项复杂问题，旨在开发具有成本效益的配方，同时平衡最低营养内容。传统方法基于代谢反应模型和原料中可消化能浓度的理论模型，面临在纳入影响动物性能的养殖变量或环境变量方面 limitations，以及难以纳入与可持续发展政策一致的多个目标。最近，多目标贝叶斯优化被提出作为一种能有效处理多源信息组合、多样化目标，以及应对测量不确定性（可能与原料营养内容的变异性有关）的有力替代方案。然是，贝叶斯优化在高维搜索空间中遇到困难，导致探索主要集中在边界。本文分析了一种将搜索空间划分为提供局部候选解的区域策略，即多目标分区域贝叶斯优化，以改善 BO 在猪食配方设计情境下提供的帕累托集与帕累托前沿的近似质量。结果表明，该分区域方法比标准多目标贝叶斯优化产生更具多样性的非支配解。此外，分区域策略在寻找文献中引用的随机数控方法识别的解决方案方面有效性提高了四倍。使用每轮查询候选解的 batch 实验表明，优化过程也能在初始最关键的优化阶段而不牺牲帕累托集近似质量的前提下加速。