研究課題/領域番号 |
21K17826
|
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 | 埼玉大学 (2023) 東京都立大学 (2021-2022) |
研究代表者 |
原田 智広 埼玉大学, 理工学研究科, 准教授 (40755518)
|
研究期間 (年度) |
2021-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2023年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
キーワード | 進化計算 / 機械学習 / 最適化 / サロゲート |
研究開始時の研究の概要 |
本研究では,進化的アルゴリズム(EA)に機械学習による最適化対象の特徴学習を組み込み,学習結果に基づく探索により計算時間を削減する方法を提案する.EAが解の優劣に基づいて最適化する点に着目し,EAの探索過程で生成される2つの解の優劣を判定する二値分類モデルを導入する.さらに,二値分類モデルの学習が不十分な領域を積極的に学習することで,判定精度を向上させる機構を考案する.提案手法の有効性を検証するために,実世界の工学設計最適化を対象に従来のEAと比較する計算機実験を行い,従来EAと比較して少ない探索回数で最適解を獲得できることを確認する.
|
研究成果の概要 |
本研究では,進化的アルゴリズム(EA)のための新しい二値分類型サロゲートモデルELDRを提案した.ELDRを用いたEAを制約あり・なし最適化問題に適用し,既存手法より優れた性能を示し,特に高次元問題で大きな性能向上があった.さらに,ELDRを実世界の最適化問題に適用し,ELDRにより従来より少ない評価回数で良好な設計が可能なことを示した.研究全体を通じ,ELDRの提案,ELDRを用いたEAの確立と有効性検証,実問題への適用など,幅広い成果を得た.
|
研究成果の学術的意義や社会的意義 |
本研究は,進化的アルゴリズムによる効率的な解探索のために,少ないデータ数で高精度に評価値を推定可能な新しい二値分類型サロゲートモデルELDRを提案し,その有効性を検証した.実世界の多くの最適化問題は,解候補の評価にシミュレーションや複雑な数値計算を用いるため評価コストが高く,最適解の獲得までに莫大な計算時間を要する.本研究の研究成果によって,このような実世界の高コストな最適化問題に対して,従来より少ない評価回数で高品質な解を効率的に獲得できることが期待される.
|