Study on knowledge acquisition from fitness landscape for evolutionary computation
Project/Area Number |
19J11792
|
Research Category |
Grant-in-Aid for JSPS Fellows
|
Allocation Type | Single-year Grants |
Section | 国内 |
Review Section |
Basic Section 61040:Soft computing-related
|
Research Institution | Kyushu University |
Principal Investigator |
余 俊 九州大学, 芸術工学府, 特別研究員(PD)
|
Project Period (FY) |
2019-04-25 – 2021-03-31
|
Project Status |
Completed (Fiscal Year 2019)
|
Budget Amount *help |
¥2,100,000 (Direct Cost: ¥2,100,000)
Fiscal Year 2019: ¥1,100,000 (Direct Cost: ¥1,100,000)
|
Keywords | 進化計算 / 高速化 / fitness景観 / 推定モデル |
Outline of Research at the Start |
進化計算のfitness景観を近似するモデルを構築し,このfitness景観モデルから抽出した情報を用いて進化計算の高度化を行う. 第1に,既知の複数探索点と非線形回帰手法を用いてfitness景観全体を近似推定するfitness景観モデルを構築し,このモデルから本来のfitness景観に隠れている景観情報を抽出する. 第2に,抽出したfitness景観情報を様々な進化計算の探索に組み合わせて探索を効率化し,進化計算の高度化を実現する. 第3に,fitness景観を数理的に近似するfitness景観モデルを解析する方法を研究し,ヒューリステックな進化計算探索をより理論的に把握する手掛かりを得る.
|
Outline of Annual Research Achievements |
本研究の目的は,進化計算の探索点情報を使ってfitness景観をモデル化する方法を確立し,推定モデルからfitness景観の知識を抽出し,探索に反映させることで最適化性能を向上させることである.今年度の研究は以下のサブテーマを遂行中である. 1.複数のノンパラメトリック回帰手法を用いて同じ問題の手法毎に近似モデルを作り,各モデルの信頼度に応じた加重平均で複数のモデルの総合近似モデルを構成することにより近似誤差を軽減する;2.潜在的領域を徐々に探し出し,高精度のモデリングを行う.換言すれば,まず大域的にfitness景観をモデル化し,そのモデルから潜在的な局所領域を切り出し,その領域の分解能を上げてより高精度のモデリングを行う.つまり,モデリング空間を段階的に詳細化することにより,最終的に最適解の可能な位置を見出す;3.高次元問題の推定モデルを可視化するために,次元数分の最適化設計変数から2変数を取り出し,複数の2次元問題の組み合わせに分割することを試みている.最後に,すべての2次元最適化問題に分解した中での最適変数の組み合わせを,本来の高次元問題の推定最適解とする方法である;4.収束点推定法と推定モデルを組み合わせて最適解を推定し,進化計算高速化手法開発する.この方法は特にノイズ問題または高計算コスト問題に対して有利に働くと期待される. 上記サブテーマに加えて,研究遂行過程で新たな研究方向であるニッチ最適化にも取り組んだ.第1にはfitness情報を活用した多峰性問題の複数局所領域の切り出し手法の開発し,第2には,花火アルゴリズムの特性を利用した距離ベース排他戦略導入によるニッチ花火アルゴリズムを開発した.今後も,計画外の新しい課題が見いだされ研究を展開していくことになる. 研究業績として,雑誌論文2編,書籍の章分担1編,国内会議論文3編,国際会議論文5編の発表を行った.
|
Research Progress Status |
翌年度、交付申請を辞退するため、記入しない。
|
Strategy for Future Research Activity |
翌年度、交付申請を辞退するため、記入しない。
|
Report
(1 results)
Research Products
(12 results)