| 研究実績の概要 |
本研究課題は, 大域的多峰性関数最適化問題において優れた探索性能を有する進化計算手法(Evolutionary Algorithm)を開発し, その有効性を検証することを研究目的としている. 今年度では昨年度に取り組んだ, 非明示アクティブ制約付きブラックボックス関数最適化問題に対処した実数値遺伝的アルゴリズム(実数値GA)に関する研究を進めた. 今年度の主な研究成果は以下の通りである.
1. 提案する実数値GAに関して, アルゴリズムの洗練化を行った. 具体的には, 子個体生成分布の最頻値を上位集団の加重平均から平均に変更し, さらに, 提案手法の拡張率適応機構を新たに提案し, 2つの機構を組み合わせて利用していた部分を単一の機構を利用するように改良した. 以上により, 提案手法の性能および頑健性の向上を実現した.
2. 提案する実数値GAが有効に働く問題クラスを整理し, より広い問題クラスで有効性を検証した. 提案手法が稜構造とよばれる実問題にもしばしばあらわれる構造を持つ問題でも有効に働くことを明らかにした. 数値実験により, 稜構造を持つ問題で既存の最も強力な実数値GAであるAREX/JGGに対して最大35%少ない評価回数で最適解を発見できることを確認した.
3. 提案する実数値GAを4枚組固定焦点レンズ系設計問題に適用し, 有効性の検証を行った. その結果, 提案手法はAREX/JGGに比べ, 既知最良レンズ形状をより多くの試行で発見できることを確認した. さらに, そのときの評価回数をAREX/JGGに対して25%削減できることを確認した.
4. 今までの研究成果を博士論文として包括的にまとめた. 今後の展望として, 大域的多峰性関数最適化のための提案手法BE(Big-valley Explorer)と提案した実数値GAを組み合わせる際の課題や, 両手法のさらなる性能向上のための改良の方針をまとめた.
|
