2020 Fiscal Year Annual Research Report
Development of evolutionary computation techniques to realize human-out-of-the-loop
| Project/Area Number |
19H04179
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
秋本 洋平 筑波大学, システム情報系, 准教授 (20709654)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Keywords | 進化計算 / マルチフィデリティ / 深層学習 / 生成モデル / 非凸制約 / アルゴリズム選択 |
|---|
| Outline of Annual Research Achievements |
シミュレーションを通してパラメータを最適化するシミュレーションベース最適化は，工学や産業に頻出の問題です．進化計算は，シミュレーション最適化に対して有望な最適化法の一つとして認識され，数多くの現実世界での設計問題等に利用されています．しかし，シミュレーションベース最適化を実施する場合，設計変数や目的関数，シミュレータの設定など，最適化結果に関わる重要な意思決定を，問題設計者が試行錯誤的に決定することが必要であり，これが最適化プロセスのボトルネックとなります．本研究では，このボトルネックの解消を目指し，研究を実施しています．当該年度は，主に，以下のような研究業績を得ています．
１．制約条件を充足することが難しい最適化問題において，汎用の最適化法を適用した場合，制約は満たすものの目的関数値が低い解しか得られない場合があります．本研究では，深層生成モデルを応用し，探索空間から制約充足空間への写像を予め学習しておくことで，既存の方法よりも目的関数値の優れた解を発見しやすい方法を開発し，国際会議GECCOにて発表しました．
２．シミュレーションの精度と計算時間には一般にトレードオフがあります．本研究では，このトレードオフを活用し，高速に高信頼な解を発見するための方法を提案し，トポロジー最適化へと応用しました．この成果は国際会議PPSNにて発表しました．
３．最適化問題の性質毎に，効率的な最適化法は異なりますが，シミュレーションベース最適化ではこれを事前に選択することは困難です．本研究では，汎用性の高い最適化法CMA-ESと，特定の問題で効率の良いSep-CMA-ESを組み合わせたdd-CMA-ESを提案しました．この成果は国際学術論文紙Evolutionary Computationにて公表しました．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究では，問題設計者が行っている意思決定のうちシミュレーションベースの最適化を扱う上で一般的に直面すると同時に最適化結果に直結する，目的関数の選択や設計変数の設計，アルゴリズム選択を自動化することを目的としています．研究実績の概要に示したように，いずれの研究項目についても当初予定通りの成果が得られています．
|
| Strategy for Future Research Activity |
産業界や工学分野でのシミュレーションベース最適化の研究事例および共同研究経験から，シミュレータ設計時に含まれる不確実性も，最適化プロセスの自動化を妨げる重要な要因であること，また解の信頼性を損なう要因となり得ることがわかってきました．当初の予定どおり，計算精度と計算時間のトレードオフの活用，設計変数の自動設計方法の開発，に加え，不確実性も考慮し，最適化プロセスの自動化を進めていきます．
|
