Speeding up multi-objective optimization problems with reciprocity using transfer learning and surrogate models

Research Project

Project/Area Number	25K15279
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	Hosei University
Principal Investigator	佐藤裕二法政大学, 情報科学部, 教授 (20328909)
Co-Investigator(Kenkyū-buntansha)	佐藤未来子東海大学, 情報通信学部, 准教授 (20626030)
Project Period (FY)	2025-04-01 – 2028-03-31
Project Status	Granted (Fiscal Year 2025)
Budget Amount *help	¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000) Fiscal Year 2027: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000) Fiscal Year 2026: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000) Fiscal Year 2025: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Keywords	進化型多目的最適化 / 並列分散処理 / サロゲートモデル / 転移学習 / 超スマート社会
Outline of Research at the Start	超スマート社会では異なる目的を持つ複数の課題がサイバーワールドを介して共存するために、多数目的最適化技術が重要となる。中でも、医療診断や走行中の車の安全技術など人命が関係する応用では高い信頼性とともに実時間処理が要求される。一方、多数目的最適化に有効な進化型アルゴリズムを解探索精度の低下なしに分散メモリ環境で並列高速化する技術はまだない。そこで本研究では、(1) 相互性を有する２つの多目的最適化問題間の転移学習を高精度で行う技術、(2) 目的関数のサロゲートモデルを短時間で学習する技術の研究を通して、多数目的最適化問題を高い信頼性を維持したまま短時間で処理するための基盤技術を確立する。