| 研究概要 |
関数最適化問題を解決するための強力な最適化手法として,実数値遺伝的アルゴリズムUNDX+MGGがある.しかし,UNDX+MGGは,多様性を十分に保つために集団サイズを十分に大きくとったとしても,1)探索空間が有界な多峰性関数において最適解が探索空間の境界付近に存在する場合,2)多峰性関数において有望な局所解の存在する大谷の間口が最適解の存在する大谷の間口よりも広い場合に,最適解領域を十分にサンプリングする前に集団を局所解に収束させてしまうという問題点がある.これに対し,昨年度,隔離された複数の部分集団がそれぞれの存在する探索領域を独立に探索を行う「種の棲み分け」の概念を導入した新しい探索モデルを提案し,UNDX+MGGで解決可能な関数に加え,UNDX+MGGでは探索に失敗する上述の性質を持つ関数も解決可能であることを実験により確認した.
しかし,上述の手法は,部分集団の探索範囲をランダムに生成していたため,探索効率が悪いという問題点があった.また,大規模な実問題への適用において探索時間の観点から問題があり,並列分散化実装が望まれていた.そこで,本年度は,部分集団の探索範囲が広すぎる場合に広い間口の大谷に収束する確率が高くなることに着目し,探索範囲を広い範囲からはじめて,同じ大谷に収束した場合に徐々に探索範囲を縮小していく方法を提案し,その有効性を確認した.また,大規模な実問題への適用の観点から,提案手法の並列分散実装を提案した.本実装は,サーバーへの負荷の集中を回避するために,ピア・ツー・ピア(Peer to Peer ; P2P)モデルを採用し,計算時間を大幅に削減することに成功した.本成果を,計測自動制御学会システムインテグレーション部門講演会にて発表した.
|
