逐次近似最適化では、本来の目的関数の代わりに代用の近似関数が用いられる。いくつかのサンプル点に基づいて構築される近似関数の生成には、RBFネットワークやSVMなどの機械学習が有効である。得られた近似関数の精度は、使用される基底関数やカーネル関数によって変わり,それらの関数における内部パラメータの設定が重要になる。より精度の高い近似関数を生成することを目指し、SVMやRBFネットワークにおける最適な内部パラメーターの決定法、すなわちメタ学習法の提案を行った。さらに、ダイナミックな多目的モデル予測制御問題へ拡張するとともに、工学設計問題を通じて様々な角度から提案手法の有効性を検証した。
|