| Project/Area Number |
20K11997
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61040:Soft computing-related
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2020: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | 多目的進化計算 / 適応的交叉 / 航空交通 / AOS / PCA / 適応的交叉選択法 / 機械学習 / 動的学習 |
|---|
| Outline of Research at the Start |
インダストリー4.0といった高度生産システムや航空機や列車に代表される大規模輸送システムは近年急速に複雑化している．このように相互作用する多数の要素からなるシステムのパラメータは膨大であり，システム全体を最適化し効率よく運用することは容易ではない．こうした中で対象をブラックボックスとして取り扱える多目的進化計算手法は適用自体は比較的容易であると考えられるものの，膨大な数のパラメータへの対応は課題であり，ハイパーパラメータに関しても動的に推定し高効率化することが望ましい．本研究の大きな目的は高効率的な多目的進化計算手法の開発を行うことである．本研究の適用範囲は広く様々な分野での応用が期待できる．
|
| Outline of Final Research Achievements |
Each step of the evolutionary computation can be modularised and interchangeable, and a performance improvement can be expected if a good combination is made according to the problem. However, since it is difficult to determine the optimal combination in advance, this study carried out (i) a reduction method of the hyperparameters of the adaptive approach, (ii) a dimensionality reduction method of the design parameters, and (iii) a parallel implementation of a real problem.
As a result, the minimum selection probability, one of the parameters of the adaptive crossover approach, was reduced. As a dimensionality reduction method, a genetic operator based on principal component analysis was proposed and its effectiveness was confirmed.
As a real-world problem, a multi-objective delay minimisation problem for air traffic flow over Japan was tackled and optimised using a parallel implementation.
|
| Academic Significance and Societal Importance of the Research Achievements |
進化計算は対象をブラックボックスとして取り扱えるため，産業界でも広く使われている．アルゴリズムの適用自体は比較的容易であるものの，問題の規模が増大するにつれて，更なる効率化が求められている．
本研究は進化計算アルゴリズムの更なる効率化を目指したものである．問題に応じて最適な遺伝オペレータを選択する手法や，主成分分析の基づく遺伝オペレータに焦点を当て，その有効性とパラメータの削減を実現した．また，実問題として航空交通流を考えその並列実装を行った．これらの成果は，大規模な最適化問題に取り組む際に適用できる基盤技術の一部となると考えられる．その適用範囲は広く，様々な分野での応用が期待できる．
|
