2021 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 / 不確実性 / 深層学習 / 生成モデル / 非凸制約 / ナッシュ均衡解 |
|---|
| Outline of Annual Research Achievements |
シミュレーションベース最適化は，シミュレーションを通してパラメータを最適化する枠組みであり，産業および工学において頻出の問題クラスです．進化計算をはじめとするシミュレーションベース最適化のための最適化法は，その汎用性の高さから，様々な現実世界の問題に適用されています．しかし，シミュレーションベース最適化を実施する場合，シミュレータの精度と計算時間のトレードオフをどのように定めるのか，設計変数をどのように定めるのか，最適化段階では不確実なシミュレーション設定をどのように定めるのか，など，最適化結果に影響する重要な意思決定を，問題設計者が行わなければなりません．本研究では，これらの意思決定を事前に行う必要性を排除し，自動的に高速に高信頼な解を獲得する方法論の確立を目指し，研究を実施しています．当該年度は以下のような研究成果を得ています．１．シミュレーション条件を定めるためのデータが十分でないため多数のシミュレーション条件の候補が存在する場合に，最悪ケース性能を効率的に最適化する方法を提案しました（国際会議GECCOにて発表）．２．目的関数の不確実性が連続パラメータで表現される場合に，ナッシュ均衡解へと収束する最適化法を提案しました（国際会議GECCOにて発表）．また，その理論解析に必要となる進化計算の収束速度に関する理論解析を実施しました（国際会議GECCOおよび国際学術論文誌Stochastic Processes and their Applicationsにて公表）．３．制約条件が明示化されておらず，データからこれを推測し，充足する必要のある最適化問題において，深層生成モデルを用いた制約対処法を提案し，Angry Birdsのレベル生成問題へと適用しました（国際会議GECCOにて発表）．
|
| 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最適化で一般的に直面すると同時に最適化結果の信頼性に直結する，目的関数の選択や設計変数の設計，不確実性の扱いに関して，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かそれ以上の成果が得られています．
|
| Strategy for Future Research Activity |
当該年度までに，本研究で必要な基礎技術の開発は概ね目処がついています．次年度以降は，これらを現実世界のシミュレーションベース最適化へと応用することを目指します．このために，これまでに検討してきた基礎技術の組み合わせを検討していきます．
|
