| 研究概要 |
進化型多目的最適化手法に局所探索を組み込んだ進化型多目的局所探索アルゴリズムにおいて,遺伝的操作による大域的探索と山登り法による局所探索とのバランスの重要性を明確にした.具体的には,局所探索で消費される計算時間を制御するために,個体群内の解への局所探索の適用確率と局所探索で探索される局所解の数という2種類のパラメータを導入し,様々な条件での数値実験を行った.数値実験の結果から,局所探索により計算時間の大部分が消費される場合では進化型多目的最適化手法の性能は局所探索とのハイブリッド化により低下すること,および,大域的探索と局所探索のバランスが取れている場合では進化型多目的局所探索アルゴリズムの性能は進化型多目的最適化手法や多目的局所探索手法よりも高いことを明らかにした.また,進化型多目的最適化手法の性能と親個体の選択方法との関係を明らかにした.具体的には,遺伝的に類似した個体の選択および遺伝的に異なる個体の選択を行う方法を提案し,様々な選択圧での数値実験を行うことで,類似した個体の選択および異なる個体の選択の利点と欠点を明らかにした.類似した個体の選択の利点はパレート最適解への収束速度の向上であり,異なる個体の選択の利点は解の多様性の維持である.逆に,類似した個体の選択の欠点は解の多様性の喪失であり,異なる個体の選択の欠点はパレート最適解への収束速度の低下である.このような数値実験の結果に基づき,解の多様性を喪失することなくパレート最適解への収束速度の向上を行うことができる親個体の選択方法を考案した.さらに,進化型多目的最適化手法の開発や改良と同時に,進化型多目的最適化手法をスケジューリング問題やナップサック問題,識別システムの設計問題に適用し,性能評価を行った.
|
