相互性を有する多目的最適化問題のための転移学習とサロゲートモデルによる高速化

• 研究課題/領域番号: 25K15279
• 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: 法政大学
• 研究代表者: 佐藤 裕二 法政大学, 情報科学部, 教授 (20328909)
• 研究分担者: 佐藤 未来子 東海大学, 情報通信学部, 准教授 (20626030)
• 研究期間 (年度): 2025-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2025年度)
• 配分額: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円); 2027年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円); 2026年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円); 2025年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
• キーワード: 進化型多目的最適化 / 並列分散処理 / サロゲートモデル / 転移学習 / 超スマート社会

研究開始時の研究の概要

超スマート社会では異なる目的を持つ複数の課題がサイバーワールドを介して共存するために、多数目的最適化技術が重要となる。中でも、医療診断や走行中の車の安全技術など人命が関係する応用では高い信頼性とともに実時間処理が要求される。一方、多数目的最適化に有効な進化型アルゴリズムを解探索精度の低下なしに分散メモリ環境で並列高速化する技術はまだない。そこで本研究では、(1) 相互性を有する２つの多目的最適化問題間の転移学習を高精度で行う技術、(2) 目的関数のサロゲートモデルを短時間で学習する技術の研究を通して、多数目的最適化問題を高い信頼性を維持したまま短時間で処理するための基盤技術を確立する。