• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2002 年度 実績報告書

多目的最適化手法とその応用に関する研究

研究課題

研究課題/領域番号 14580498
研究機関広島修道大学

研究代表者

高濱 節子  広島修道大学, 商学部, 教授 (60186989)

研究分担者 海生 直人  広島修道大学, 経済科学部, 教授 (80148741)
廣光 清次郎  広島修道大学, 経済科学部, 教授 (90043827)
児玉 正憲  広島修道大学, 経済科学部, 教授 (20028989)
キーワード非線形最適化手法 / 制約付き最適化問題 / 構造学習 / α制約法 / 退化 / 遺伝的アルゴリズム / ニューラルネットワーク / RBF
研究概要

本年度は、第1段階として制約付き単一目的最適化問題に対する最適化手法として、α制約法とGAを組み合わせた「α制約遺伝的アルゴリズム(αGA)」を提案した。なお、α制約法に関する研究は、平成11年度〜13年度の本研究補助金による研究に引き続くものである。この他に、モデルの構造最適化手法「GA^d」を提案し、その有効性を検証した。通常、対象となる問題を観測データをもとにモデル化する際、的確に定式化することは非常に難しい。そこで、本研究では、退化現象に着目し、従来の遺伝的アルゴリズム(GA)に退化現象を積極的に取り入れた構造最適化手法[GA^d」を提案した。
1.制約付き遺伝的アルゴリズム(αGA)の提案:微分可能性の保証がない制約付き非線形最適化問題に対する最適化手法としての実数値GAの有効性は、いくつかの研究によって実証されている。しかし、制約条件を満たさない遺伝子に対する対処等の問題も多い。αGAでは、α制約法と実数値GAを組合せることによって、制約条件を保存しない場合には制約満足度の最大化が優先され、自然に制約を満足するように進化が進むため、制約条件を保存しない遺伝子操作を行うことが可能であるということを示した。
2.構造最適化手法GA^dの提案:GAにおける遺伝子に損傷度を導入することにより退化現象を表現し、モデルに含まれる無効な変数を効果的に削除できることを示すとともに、平成11年度〜13年度の本研究補助金による研究成果であるMGGAと比較して、GA^dが汎用的でより効率的かつ精度の高い安定的手法であることを示した。

  • 研究成果

    (5件)

すべて その他

すべて 文献書誌 (5件)

  • [文献書誌] 高濱徹行: "退化現象を導入した遺伝的アルゴリズムGA^dによる構造最適化"電子情報通信学会論文誌. Vol.J86-D-I, No.3. 140-149 (2003)

  • [文献書誌] Tetsuyuki Takahama: "Structural Learning byGeneticAlgorithm withDamaged Genes"Proc. of the IASTED International Conference on Arti ficial and Computational Intelligence (ACI 2002). 161-166 (2002)

  • [文献書誌] Tetsuyuki Takahama: "Structural Optimization of Neural Network by Genetic Algorithm with Damaged Genes"Proc. of the 9th International Conference on Neural Information Processing (ICONLP' 02). Vol.3. 1211-1215 (2003)

  • [文献書誌] Tetsuyuki Takahama: "Learning Structure of RBF-Fuzzy Rule Bases by Degeneration"Proc. of 2003 International Conference on Fuzzy Information Processing (FIP2003). Vol.2. 611-616 (2003)

  • [文献書誌] 阪井節子: "制約付き非線形最適化手法の一提案----α制約遺伝的アルゴリズム----"数理解析研究所講究録「最適化の数理とアルゴリズム」. 1297. 28-37 (2002)

URL: 

公開日: 2004-04-07   更新日: 2016-04-21  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi