| 研究課題/領域番号 |
20K11970
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 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 | 大阪大学 |
|---|
研究代表者 |
巽 啓司 大阪大学, 大学院工学研究科, 准教授 (30304017)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 大域的最適化 / 準ニュートン法 / カオス / メタヒューリスティック解法 / 座標変換に対する不変性 / 大域的最適化問題 / 多点探索法 / 汎化性能 / 進化的手法 |
|---|
| 研究開始時の研究の概要 |
本研究では，局所解を多数持つ連続的大域的最適化問題を対象とし，(i) 数理的な手法である準ニュートン法を複数探索点の情報を有効に用いる多点型に拡張し，汎化性向上のために微分情報の差分近似を導入 (ii) 座標表現に関して不変な進化的手法を提案，さらに (iii) 2 種類の手法を融合した多点探索法の開発，さらに探索の多様性を維持するための摂動型カオス力学系の付加を提案する．
|
| 研究成果の概要 |
局所解を多数もつ連続的大域的最適化問題に対し，(i) 数理的な手法の単点探索用の準ニュートン法を拡張し，従来の単点探索点の過去位置での微分情報のみから目的関数の形状を推定・探索する方法を改良，一定の距離内にある複数探索点で部分情報を共有し形状推定・探索する方法を提案，求解効率向上を確認した．さらに，(ii) 座標変換に関して依存した探索を行う，従来の摂動型カオス的Particle swarm optimization や近年注目されている Grey wolf optimizer の求解能力を維持しつつ，変換への不変性を保つ方法を提案，これらを組合せ，より求解能力の高い進化的手法を開発した．
|
| 研究成果の学術的意義や社会的意義 |
本研究の成果である，(1) 多点探索法での準ニュートン法の拡張・2次導関数情報共有による逆ヘッセ行列更新法の提案と，それによる多点探索での効率的な求解が可能であることを示した点や，(2)多点探索法を問題表現座標に依存せず，不変で効率的な探索により，汎用性を向上する方法やGWO，PSOを組み合せることでより効率的な求解方法を示した点は，ビッグデータなど大量のデータのもとでデータ処理が不可欠となり，そこでの最適化が必須となっている「大域的最適化」「機械学習」や「分散最適化」といった分野での汎用性・求解効率向上に大きく貢献できたと考えている．
|
