| 研究概要 |
制約なし最適化手法の制約付き最適化手法への変換法であるα制約法を改良したε制約法を提案し, GA, DE, PSOに適用したε GA, ε DE, ε PSOを提案し,安定的かつ高速に高精度の最適解が探索できることを示した.また, GA, DE に退化を導入したGAd, DEd を提案し,簡潔かつ汎化性能の高いモデル推定ができることを示した.進化的アルゴリズムを用いた多目的最適化において,探索点がPareto最適解集合全体に均一に分布するように等距離選択および拡張交叉を提案し,その有効性を示した.
|
