2020 Fiscal Year Annual Research Report
Efficient population-based optimization for high dimensional multimodal problems by estimating hill-valley structures and distribution types
| Project/Area Number |
17K00311
|
|---|
| Research Institution | Hiroshima City University |
|---|
Principal Investigator |
高濱 徹行 広島市立大学, 情報科学研究科, 教授 (80197194)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 最適化アルゴリズム / 多峰性最適化 / 関数形状推定 / 山谷構造 / 近接グラフ / 進化的計算 / 差分進化 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，進化的計算などの集団的最適化アルゴリズムにおいて，探索点の隣接関係から山谷構造を求め，探索点の分布タイプを推定し，探索点をグループ化してグループ毎に探索点の生成・置換戦略やアルゴリズムパラメータを動的に制御することにより，高次元多峰性問題を効率的に解くことである．
本年度の主な研究成果は以下の通りである．
①目的関数の概形推定，特に山谷構造の推定について，Gabrielグラフ(GG)と相対近傍グラフ(RNG)の併用について研究してきたが，適切な選択確率の設定が困難であった．新しい近傍グラフとして，パラメータβによってGGとRNGの中間的な性質を持つグラフを設定できるβ緩和相対近傍グラフ(βRNG)を提案した．グラフを用いた種分化に基づく差分進化(SDE-G)のグラフとしてβRNGを採用し，代表的なベンチマーク問題を最適化することにより，提案手法の有効性を示した．
②悪い解から良い解への方向ベクトルを利用するdirectional mutationにおいて，解を関数値でランク付けし，悪い解と良い解を選択するランクの範囲を適応的に調整するadaptive directional mutationを提案した．これにより，良い方向だけでなく，適度に悪い方向への移動ができるため，局所解からの脱出が可能となり，安定した探索が実現できた．代表的なベンチマーク問題を提案手法で最適化し，従来手法と比較することにより，有効性を示した．
③制約付き最適化問題を解くために，2019年度に提案した等価ペナルティ係数(EPC)法を改良し，EPC法のパラメータを適応的に調整する方法を提案した．粒子群最適化(PSO)アルゴリズムに対して，改良したEPC法と新しく提案した突然変異操作を導入した．提案手法により制約付き最適化問題を解き，代表的な手法と比較することにより，有効性を示した．
|
Research Products
(5 results)
