| 研究課題/領域番号 |
15K16063
|
|---|
| 研究機関 | 信州大学 |
|---|
研究代表者 |
秋本 洋平 信州大学, 学術研究院工学系, 助教 (20709654)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| キーワード | Black-Box最適化 / 確率的探索アルゴリズム / 高次元最適化 / 最適パラメータ / パラメータ適応 / 国際情報交換（フランス） / 情報幾何 |
|---|
| 研究実績の概要 |
本研究は，Black-Box最適化における最適化プロセス全体の効率化および自動化を目的とし，実施されている．
本年度の研究実績は以下のとおりである．1. CMA-ESにおける集団サイズの適応機構を開発し，CMA-ESにおける唯一の事前パラメータである集団数を最適化の過程で適応できるようになった．これにより，利用者の負担が削減され，また，固定の集団数を用いた場合と比較して探索効率の改善が確認された(国際会議GECCO2016にて発表，論文投稿中)．2. CMA-ESにおける学習率と多峰性探索性能の関係を実験的に調査し，平均ベクトル学習率を導入しこれを小さく取ることで，集団数を大きく取った場合と同様の振る舞いを示すことを確認し，最適ステップサイズの観点から理論的に考察した（GECCO2017採録決定済み）．3. 高次元最適化のためのCMA-ESにおける多変量正規分布モデルの自由度を適応する機構を開発した．これにより，利用者が試行錯誤を必要とするパラメータを導入することなく，最適化問題の特徴に合わせた確率モデルを選択することが可能となり，探索の大幅な高速化が実現された（GECCO2016，国際会議PPSN2016にて発表）．4. CMA-ESの無限次元解析を行い，二次関数における最適なパラメータ設定を導き出した（国際会議FOGA2017にて発表）．これにより，従来経験的に設定されていたパラメータの推奨値に，理論的妥当性を与えることができるようになった．また，最適な状況と現在のアルゴリズムの差を定量的に評価できるようになった．5. この他に，CMA-ESのリスタート戦略，CMA-ESにおける制約対処，PBILにおける学習率の問題依存性緩和（いずれもGECCO 2017）などの研究を行った．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
本研究では，Black-Box最適化における最適化プロセス全体の効率化および自動化を目的とし，以下の4項目を設定し，実施されてきた：１．Cumulationの情報幾何的解釈，２．サンプル再利用による評価回数削減，３．学習率の自動設計，４．パラメータの適応機構提案．いずれの項目についても，国際会議での複数回の発表を行っており，項目２および４については学術論文誌への投稿も行っている．実験的な評価を中心として検討していた項目３については，当初想定していなかった理論解析が実現され（国際会議FOGA2017にて発表），その結果，実験的および理論的な観点から考察することが可能となった．また，この成果により，項目4において提案しているパラメータの適応機構も更に改善する見込みとなっている．以上より，当初の計画よりも進展していると判断できる．
|
| 今後の研究の推進方策 |
平成28年度に得られた理論研究の成果から，現在の進捗状況にて述べた項目，特に項目4，の研究成果を理論的側面から改良することが可能になると見込まれる．これを含め，最終年度は，これまでの成果に実験的および理論的考察を加え，完成度の高いアルゴリズムを開発する．また，国際会議や国際学術論文誌へ論文を投稿する．
|
