• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2021 Fiscal Year Research-status Report

二値分類機械学習モデルを用いる高コスト最適化問題に対する進化的アルゴリズム

Research Project

Project/Area Number 21K17826
Research InstitutionTokyo Metropolitan University

Principal Investigator

原田 智広  東京都立大学, システムデザイン研究科, 助教 (40755518)

Project Period (FY) 2021-04-01 – 2024-03-31
Keywords進化計算 / 機械学習 / 最適化 / サロゲート
Outline of Annual Research Achievements

本研究では,最適化手法の一つである進化的アルゴリズム(EA)に2つの解の優劣を判定する二値分類型のサロゲート(代理評価)モデルを組み込み,最適化に要する計算時間を削減する手法の確立を目的とする.この目的達成に向け,2021年度はEAのための新しい二値分類型サロゲートモデルとして,ニューラルネットワークの1種であるExtreme Learning Machine(ELM)と,文書検索に用いられるランク学習手法であるDirectRankerを組み合わせたExtreme Learning Machine-based DirectRanker(ELDR)を考案した.ELDRをサロゲートとして用いるEAを提案し,無制約単目的最適化ベンチマーク問題と制約付き単目的最適化ベンチマーク問題を用いる計算機実験を実施した.
まず,無制約単目的最適化問題では,既存のサロゲート型EAの最新手法と比較して提案手法が有意に優れる性能を示すことを明らかにした.特に,設計変数の次元数が多い高次元問題において従来手法を大きく上回る探索性能を有することを示した.
次に,制約付き単目的最適化問題では,目的関数だけでなく制約条件も考慮した優劣関係をELDRを用いて推定し,評価の改善が見込まれる有望解のみを評価する手法を提案した.ELDRを用いないEAと比較する実験の結果,ELDRを援用することで少ない評価回数で制約条件を満たす実行可能解を発見し,かつ目的関数を改善できることを示した.
本研究成果をまとめた研究発表に対し,IEEE Computational Intelligence Society Young Researcher Award (Symposium on Evolutionary Computation)を受賞した.

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

当初計画では,初年度に「既知解の組み合わせを学習データとする分類モデルを用いた有望解探索法」の確立をサブテーマとして設定した.この計画に対し,2021年度は二値分類型のサロゲートモデルであるELDRを考案し,そのモデルを組み込んだ進化計算法を確立した.また,提案手法の有効性を最適化ベンチマーク問題を用いた計算機実験によって検証し,サロゲート型EAの最新手法と比較して優れた性能を有することを確認した.
これらの研究成果により,当初予定していたサブテーマを達成したため,本研究課題は概ね順調に進展しているといえる.

Strategy for Future Research Activity

今後の研究としては,申請書に記載された計画をすすめることを基本とする.具体的には,2年度目の研究では,当初計画した「分類モデルを用いる局所探索による実行可能解生成」の確立に向け,ELDRの特徴を考慮した局所探索法を探求する.具体的には,制約付き最適化問題において実行可能解を早期に発見するために,実評価時に制約条件を満たさない解(実行不可能解)に対して,ELDRに基づく近傍探索機構を導入し,実行可能解を発見可能にする.
上記の計画に加え,初年度の研究ではベンチマーク問題を用いた計算機実験による検証にとどまったのに対し,2年度目には実世界の最適化問題を対象とした性能検証に取り組む.具体的には,マツダ株式会社が提供する複数車種の同時最適化問題や,日立製作所が提供する風力発電用風車の設計最適化問題など,一般に公開されている実世界の最適化問題を対象とし,初年度に提案した手法の有効性を検証する.
さらに,初年度に提案した手法は目的関数が一つの単目的最適化問題のみを対象としたが,2年度目には複数の目的関数を同時に考慮する多目的最適化問題を対象とした手法への拡張に取り組む.実問題は複数の相反する目的を同時に考慮する問題がほとんどであり,多目的化への拡張は重要である.

Causes of Carryover

令和3年度に予定していた出張が新型コロナウイルスの影響で中止になったため,令和4年度の出張費として使用する予定である.

  • Research Products

    (5 results)

All 2022 2021

All Presentation (5 results) (of which Int'l Joint Research: 2 results)

  • [Presentation] Investigating the Effect of Survival Selection Policy in Surrogate-assisted Genetic Programming2022

    • Author(s)
      Sohei Kino, Tomohiro Harada, Ruck Thawonmas
    • Organizer
      27th International Symposium on Artificial Life and Robotics
    • Int'l Joint Research
  • [Presentation] 制約付き最適化問題に対する解の優劣推定に基づくサロゲートを用いた差分進化2022

    • Author(s)
      狩野 仁深,原田 智広,三浦 幸也
    • Organizer
      第21回進化計算学会研究会
  • [Presentation] ELMOEA/Dにおける代替評価モデル構築時の学習データ選択による探索性能への影響分析2022

    • Author(s)
      辻野 幸希,原田 智広,ターウォンマット ラック
    • Organizer
      第49回知能システムシンポジウム
  • [Presentation] Adaptation of Search Generations in Extreme Learning Assisted MOEA/D Based on Estimation Accuracy of Surrogate Model2021

    • Author(s)
      Koki Tsujino, Tomohiro Harada, Ruck Thawonmas
    • Organizer
      IEEE Congress on Evolutionary Computation 2021 (CEC 2021)
    • Int'l Joint Research
  • [Presentation] 解の優劣推定に基づくサロゲート型進化的アルゴリズム2021

    • Author(s)
      原田 智広
    • Organizer
      進化計算シンポジウム2021

URL: 

Published: 2022-12-28  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi