| 研究課題/領域番号 |
15K00338
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
畠中 利治 大阪大学, 情報科学研究科, 助教 (10252884)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2020-03-31
|
| キーワード | 群知能 / ブラックボックス関数最適化 / 進化計算 |
|---|
| 研究実績の概要 |
本課題の主題である、競合と協調の作用の両立は、進化計算における重要な概念であるExploitationとExplorationのバランスの実現にとって重要な役割を担うことは、直観的には理解されるが、それらが内在するシステムの挙動は複雑であり、さまざまなパターンを示すことが数理的には調べられている。本課題では、その数理科学的な知見から、進化計算の探索過程をモデル化することを狙っており、具体的には、関数最適化に望ましい挙動を示す数理モデルを与えるとともに、そのモデルに基づく進化計算のインスタンスの提案を行ってきた。
その概念を利用した群知能モデルについても研究を行い、昨年度からは、必要とする機能から最適化法を構築するアプロ―チを検討している。今年度は、前年度に発表した一般化群知能モデルの拡張を行った。具体的には、エージェントのランダム要素として、個々のエージェントがランダムウォークする機能を付加し、その状況でのモデルの性質をブラックボックス関数最適化の基本ベンチマーク問題を用いて調査した。この結果は、計測自動制御学会のAnnual Conference で発表した。このモデルは、競合（反発）と協調（走化）をベースにしており、ブラックボックス関数最適化における探査と探索のバランスを実現するものとなっている。
また、代表的な群知能モデルの粒子群最適化（Particle Swarm Optimization, PSO）とホタルのアルゴリズム（Firefly Algorithm, FA）の特性を併せ持つことで、探索性能を改善するHybrid Swarm の検討を進めている。両者の探索メカニズムに関する理解から、ハイブリッド型のモデルを提案し、複雑な景観をもつブラックボックス関数の最適化問題のベンチマーク問題における性能調査を行い、ACMが主催する進化計算に関する国際会議GECCO2018で発表した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本課題の主たる成果である、偏微分方程式モデルによる進化計算とくに分布推定アルゴリズムの探索過程のモデル化に関する論文のとりまとめにおいて、工学的応用の側面からの疑義があり、論文の再構成が必要となったが、そのとりまとめを慎重に行っているため時間を要している。このため、やや遅れていると判断した。
|
| 今後の研究の推進方策 |
偏微分方程式モデルによる進化計算とくに分布推定アルゴリズムの探索過程のモデル化に関する論文の見直しを行い、その発表をもって、本課題は一区切りできるものと考えている。そのため、必要な検討をすすめ、論文内容のとりまとめを早急に行うことを計画している。
|
| 次年度使用額が生じた理由 |
論文発表が予定より遅れているため、その掲載費相当額ととりまとめの打合せに必要となる旅費が未支出となっているため。2019年度に取りまとめに必要となる打ち合わせと論文掲載費として、使用する計画である。
|
