2023 Fiscal Year Annual Research Report
Explainable Evolutionary Computation
| Project/Area Number |
20H04254
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Yokohama National University |
|---|
Principal Investigator |
中田 雅也 横浜国立大学, 大学院工学研究院, 准教授 (00781072)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Keywords | 進化計算 / 最適化 |
|---|
| Outline of Annual Research Achievements |
今年度は、説明可能な進化計算を構成するモデルベース進化計算の高性能化ならびにその応用に取り組んだ。高次元・多目的最適化問題に焦点を当て、最先端手法と比較しても、有意かつ飛躍的に性能を改善する最適化手法を開発できた。この成果はトップジャーナルに掲載された。また、開発していたルールマイニング手法を組み合わせることで、更なる性能改善を達成し、高性能な解の共通構造を説明ルールとして抽出できるようなった。
また、パラメータを自動調整できる最適化手法も構築し、その有効性を単一目的最適化問題で実証した。最新の比較手法に対しても、高速化と最適化性能の高性能化を同時に達成できることを示した。加えて、ルールマイニング手法の改良や、次元圧縮手法を用いた最適化手法なども検討しており、提案手法を構成する各高性能要素の高性能化にも取り組んだ。
加えて、ニューラルネットワークの構造最適化、物流プログラムの自動設計、翼形状の最適化などの応用研究を実施し、その有効性を示した。例えば、構築した最適化手法は、500のサンプル数のみ高精度な最適化が可能であり、最適化の実施コストを平均58%削減することに成功している
これらの取り組みは、トップジャーナルを含む論文誌4件、国際会議2件、国内会議13件、受賞2件として成果を上げた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今回構築した高性能なモデルベース進化計算を融合することで、最適化性能を飛躍的に改善した。加えて、開発していたルールマイニング手法と組み合わせることで、更なる性能改善が可能であり、高性能な解の共通構造を可視化できるようなった。加えて、当初の計画を超えて、複数の応用研究を実施し、その有効性を示した。
|
| Strategy for Future Research Activity |
当初計画していた応用研究が順調に進んでいることから、最適化手法の高性能化に取り組む予定である。知識ルールの効果的な使い方、モデル設計の見直しなどを通して、構築した手法の高性能化を達成し、実問題にその有効性を検証する。
|
