| 研究実績の概要 |
事前に環境の変動を予測することが困難な動的環境下において，ヒトや人工物が適切に行動・制御を行うには, 動的最適化問題の解決が不可欠である．これを実現するには，複数の局所解が時間的に変動し, 局所解と最適解が入れ替わるfluctuating環境下で有効な最適化手法が求められている．これまでに多群による探索法，すなわち最適解を探索するエージェントの集団を複数の群れに分割し，各群が異なる最適解・局所解を探索・追跡する多群最適化手法の有効性が報告されている．これらの手法では，多くの場合，事前にユーザが決定した設定値に基づいて群れが分割される．しかし，実問題では発見すべき最適解・局所解の数は未知であり，群れの数や1つの群れあたりのエージェント数を事前に決定することは望ましくない.
そこで，本申請では探索状況に応じて複数の群れが自律的に創発される多群最適化手法の実現を目指した．本年度は(1)昨年度に申請者が提案した粒子間重力の解析，(2)探索状況に応じた重力制御による高性能化, を行った．(1)では，提案した粒子間重力が簡素ながら複雑な粒子の振る舞いを引き起こす点に着目し，そのメカニズムを理論的・数値的に解析した．その結果，導入した重力が粒子の凝集と拡散という2つの効果を実現していること，およびその効果はある単一のパラメータで制御可能であることを明らかにした．(2)では，(1)の解析結果に基づき，探索の初期では拡散の効果を，終盤では凝集の効果を高めるように重力の制御を行い，提案手法の大幅な高性能化を実現した．
以上により，簡素な力学システムを用いた探索エージェントの自律的な群れの創発と，創発された群れによる複数の最適解・局所解の効率的な探索を実現した．
|
