|
本課題の初年度にあたり，新規の並列計算機を購入し，さらに過去に導入済みの並列計算機のメモリを増強することで，手法検証のための小規模なロバスト最適化から，実問題応用のための大規模なロバスト最適化を包括的に取り扱うことのできる専用の計算機システムを構築し，システムの動作確認を実施した．
次に，不確かさを含む設計変数・条件とそれに対応する目的関数からなる多次元の設計空間を縮約するモジュールを構築した．教師なし学習のためのニューラルネットワークの一種である自己組織化マップを用いて，多次元の設計空間を2次元平面上に並べられた各ニューロンに射影する．この時，似通ったデータが互いに近くのニューロンに射影される．その結果，元の複雑な設計空間は2次元平面上でより単純な部分空間として射影される．これらの所望の機能が最大限発揮されるように，構築されたモジュールの主要部である入力データの学習プロセスの構成を検討するともに，プロセスを制御する各種パラメータを適宜調整した．そして，テストデータに対して本モジュールを適用し，結果の整合性と動作の安定性を確認した．さらに，出力データの可視化機能も本モジュールに追加で実装し，市販の可視化ソフトウェアでの読み込み・表示を確認した．
次年度に実施予定の，近似関数の非定常定式化モジュールの構築については，本年度に出版された最新の関連文献を調査した上で，本課題申請時点に提案した定式化を再度見直し，別の定式化案を検討した．
|
