| 研究課題/領域番号 |
23K24916
|
|---|
| 補助金の研究課題番号 |
22H03660 (2022-2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2022-2023) |
|---|
| 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 | 電気通信大学 |
|---|
研究代表者 |
佐藤 寛之 電気通信大学, 大学院情報理工学研究科, 教授 (60550978)
|
|---|
| 研究分担者 |
高玉 圭樹 東京大学, 情報基盤センター, 教授 (20345367)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
17,680千円 (直接経費: 13,600千円、間接経費: 4,080千円)
2024年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2023年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2022年度: 8,710千円 (直接経費: 6,700千円、間接経費: 2,010千円)
|
|---|
| キーワード | 進化計算 / 最適化 / 多目的最適化 |
|---|
| 研究開始時の研究の概要 |
進化計算は，設計最適化における成功事例によって産業界から注目を浴びている．多くの設計最適化は，複数の関心事が内在する多目的最適化になる．多目的最適化の出力は，複数の目的間の最適なトレードオフを表す解の集合である．一つの解は，一つの点である．これまで，点の集合によって，目的のトレードオフを離散的に表現してきた．しかし，トレードオフは，本来，多次元である．多数の解を生成できないときや，目的が多いとき，多次元のトレードオフを点の集合で精緻に表すことは困難である．本研究では，点の集合の代わりに，多次元の空間によってトレードオフを表現する方法論を構築する．
|
| 研究実績の概要 |
当初計画のとおり，[研究項目C]パレートセット推定と，[研究項目D]集約モデルベース進化計算に取り組んだ．パレートセット推定では，少数の既知の非劣解集合から，変数空間におけるパレートセットを推定する．具体的には，目的関数空間における既知の非劣解の方向に対応する変数値を応答曲面法に基づいて学習し，目的関数空間における任意の方向に対して，変数空間における非劣解の変数値を推定する．これにより，少数の非劣解集合から，良好な目的関数値を示す非劣解の変数空間における位置を推定して表現する．また，集約モデルベース進化計算では，推定モデルを利用して良い解を効率的に生成したり，推定モデルそのものを改善したりする．具体的には，目的関数空間におけるパレートフロントの推定精度の信頼性が低い領域について，対応する変数値を実際に評価する．評価した解によって既知の非劣解集合を更新し，推定モデルを洗練させる．推定モデルの精度によって，既知の非劣解集合を更新しにくい場合のために，進化計算によるランダム性を伴う解生成を並行して実行する仕組みも組み込んだ．テスト問題において，提案する集約モデルベース進化計算が，ランダム性を含む進化計算のみによる解の生成法より，効率的に良い解を生成できることを明らかにした．また，推定モデルそのものを改善するためには，パレートフロントの推定精度の信頼性が低い領域の解を生成することだけでなく，進化計算によるランダム性を伴う解生成を並行して実行することが重要であることを明らかにした．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初計画のとおり，実施しているため．ただし，今後，[研究項目C]パレートセット推定では，表現できるパレートセットの条件を明らかにすることに取り組む予定である．また，[研究項目D]集約モデルベース進化計算において，提案法が良好に機能するためには，パラメータの調整が必要なこと，初期条件が影響することがわかってきている．これらについては，引き続き，提案法が機能する条件と性能の限界を明らかにすることに取り組む予定である．
|
| 今後の研究の推進方策 |
当初計画の通り実施する．ただし，本研究におけるこれまでの活動において新たにわかってきた課題について，明らかにすることも併せて取り組む．具体的には，これまで提案してきた方法について，適用可能な問題，効果を得るための条件，得られる性能の限界について，明らかにする．
|
