A Self-adaptive Automated Algorithm Selection System for Black Box Optimization

• Project/Area Number: 25K03194
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Yokohama National University
• Principal Investigator: 田邊 遼司 横浜国立大学, 大学院環境情報研究院, 准教授 (80780923)
• Project Period (FY): 2025-04-01 – 2030-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥18,850,000 (Direct Cost: ¥14,500,000、Indirect Cost: ¥4,350,000); Fiscal Year 2029: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000); Fiscal Year 2028: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000); Fiscal Year 2027: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000); Fiscal Year 2026: ¥5,980,000 (Direct Cost: ¥4,600,000、Indirect Cost: ¥1,380,000); Fiscal Year 2025: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000)
• Keywords: ブラックボックス最適化 / 自動アルゴリズム選択 / 多目的最適化 / 自己適応

Outline of Research at the Start

ブラックボックス最適化では手法ごとに得意・不得意な問題性質があるため, 適切な手法をその都度選択しなければ, 良い近似解の獲得は期待できない. この課題を解決し得る, 高性能な自動アルゴリズム選択が実応用の現場にて強く求められている. 本研究では自己適応的な自動アルゴリズム選択システムを提案する. 提案システムでは, 対象問題にて手法が生成した解データを元に訓練問題集合と候補手法集合の2点を自己適応的に修正することで, 手法選択の精度を改善する. 本研究は, 既存の全ブラックボックス最適化技術の実用性を次の段階へと底上げし, 工学分野全体の発展に寄与する.