Project/Area Number |
22H03660
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
Section | 一般 |
Review Section |
Basic Section 61040:Soft computing-related
|
Research Institution | The University of Electro-Communications |
Principal Investigator |
佐藤 寛之 電気通信大学, 大学院情報理工学研究科, 准教授 (60550978)
|
Co-Investigator(Kenkyū-buntansha) |
高玉 圭樹 電気通信大学, 大学院情報理工学研究科, 教授 (20345367)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥17,680,000 (Direct Cost: ¥13,600,000、Indirect Cost: ¥4,080,000)
Fiscal Year 2023: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
Fiscal Year 2022: ¥8,710,000 (Direct Cost: ¥6,700,000、Indirect Cost: ¥2,010,000)
|
Keywords | 進化計算 / 最適化 / 多目的最適化 |
Outline of Research at the Start |
進化計算は,設計最適化における成功事例によって産業界から注目を浴びている.多くの設計最適化は,複数の関心事が内在する多目的最適化になる.多目的最適化の出力は,複数の目的間の最適なトレードオフを表す解の集合である.一つの解は,一つの点である.これまで,点の集合によって,目的のトレードオフを離散的に表現してきた.しかし,トレードオフは,本来,多次元である.多数の解を生成できないときや,目的が多いとき,多次元のトレードオフを点の集合で精緻に表すことは困難である.本研究では,点の集合の代わりに,多次元の空間によってトレードオフを表現する方法論を構築する.
|
Outline of Annual Research Achievements |
まず,当初計画の[研究項目A]として,目的空間における解集合アグリゲーションによって,推定パレートフロントを得る方法を構築した.具体的には,限られた既知の良好な解集合の目的関数値ベクトルをもとに,目的関数空間の各方向におけるパレートフロントの位置を,クリギング法や放射状基底関数ネットワークを用いて推定する.凸型,凹型,分離型のパレートフロントを有するテスト最適化問題において,提案法が,パレートフロントを良好に推定できることを明らかにした.また,提案法は,目的関数空間において,パレートフロントが存在しない方向についても,最良の目的関数値を示せることを明らかにした.これは,パレートフロントが存在しない目的空間の領域の目的関数値を意思決定者に説明する手段として有益であると考えられる.
つぎに,当初計画の[研究項目B]より先行して,[研究項目C]変数空間における解集合アグリゲーションによって,推定パレートセットを得る方法を構築した.これは,[研究項目A]の検討の過程で,[研究項目A]と共通の仕組みを用いて[研究項目C]を実現できることがわかってきたためである.具体的には,限られた既知の良好な解集合の変数値ベクトルをもとに,目的関数空間の各方向に対応する変数空間における位置をクリギング法や放射状基底関数ネットワークを用いて推定する.テスト問題において,提案法は,ランダム性を含む進化計算による解の生成法より,目的関数値の良好な解を獲得できることを明らかにした.また,実問題においても,効果があることを明らかにした.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初計画の[研究項目A]と[研究項目C]について,期待した結果を示す方法が得られたためである.[研究項目C]より[研究項目B]を先行して実施する当初計画だったが,[研究項目A]と[研究項目C]を合わせて考える方法論が望ましいと考えるに至り,[研究項目C]を先に実施し,良い結果が得られた.
|
Strategy for Future Research Activity |
該当年度に実施する予定だった[研究項目B]については,分類する機械学習によって実行可能解と不可能解を識別する事前実験を実施済みであり,今後,当初計画の研究方法で取り組む予定である.
|
Report
(1 results)
Research Products
(13 results)