| 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。
|
