| 研究課題/領域番号 |
18K18123
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 横浜国立大学 |
|---|
研究代表者 |
中田 雅也 横浜国立大学, 大学院工学研究院, 准教授 (00781072)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2019年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2018年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 進化計算 / メタヒューリスティックス / 機械学習 / 進化的機械学習 / 最適化 |
|---|
| 研究成果の概要 |
本研究では、自動抽出した解の変数間依存性や解構造を基に最適化指標を生成し、この指標に基づき最適化を促進する進化計算を構築した。生成する最適化指標を利用すると解評価を必要とせずに最適化を実行可能であり、解評価を抜本的に削減可能となる。提案法は、当初想定した単一最適化問題に加え、大規模最適化問題ならびに多目的最適化問題へと拡張し、次の成果を上げた。まず、過去の解評価データから有効な解構造を抽出し、この解構造を保持するように最適化する指標では、特に大規模問題を含む単一最適化問題に有効である。また、多目的最適化問題では、解構造を学習したSVMを最適化指標とした方法が、高計算コストな問題で有用である。
|
| 研究成果の学術的意義や社会的意義 |
工学設計における最適化問題の多くは、１つの解評価に数時間から数日必要となる高計算コストな最適化問題に属する場合が多い。この場合、可能な限り少ない解評価で良好な解の導出を求めることが重要となる。本研究は、専門的な知識がなくとも利用できる使い勝手が良い進化的最適化法に、解評価を必要とせずに最適化を促進する方法論とその実装方法明らかにすることで、高計算コストな問題に特化した効率の良い手法を構築した点に意義がある。加えて、この手法は、実最適化問題で頻出する大規模問題、多目的最適化問題にも対応できることを示した。
|
