| 研究課題/領域番号 |
17K00331
|
|---|
| 研究機関 | 室蘭工業大学 |
|---|
研究代表者 |
渡邉 真也 室蘭工業大学, 大学院工学研究科, 准教授 (30388136)
|
|---|
| 研究分担者 |
廣安 知之 同志社大学, 生命医科学部, 教授 (20298144)
榊原 一紀 富山県立大学, 工学部, 准教授 (30388110)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | 進化型多目的最適化 / 進化計算 / Differential Evolution |
|---|
| 研究実績の概要 |
本年度は，単一目的，多目的のそれぞれの最適化アルゴリズムについて，探索状況に応じたメタ戦略的要素を組み込んだ手法の開発を行い，一定の成果を挙げることができた．単一目的では，差分進化（Differential Evolution, DE）の分野で突出した性能を持つIDE（Improved DE）に対して探索状況に応じて複数の戦略を切り替えるアプローチを提案した．本手法は，局所解に陥っている場合など様々な状況を想定し，推定した状況が想定と合致した場合に最適な探索戦略に切り替えることで探索効率を向上させようとする一種のメタ戦略に基づくものである，RastriginやSchwefelといった代表的なベンチマーク問題に対する検証実験において，その有用性を示すことができた．
また，多目的では，新規個体の生成方法に着目し，探索状況に応じて親個体を組み合わせて子個体を生成する交差と個体集団の分布を利用し新規個体を生成する分布推定を切り替えるアプローチを提案し，交差のみ，もしくは分布推定のみを用いる場合に比べて優位な探索性能を示すことできた．提案手法は，新規個体生成における交差と分布推定が正反対の特徴を持つことに注目し，それぞれの強みが活かされる探索状況で利用することで探索効率の向上を図ったものである．
そのほか，ゲームAIの分野における新たな効率的な学習方法としてデフォルト行動を前提としその例外を学習するというアプローチを提案し，従来の学習方法に比べ圧倒的に少ない試行回数で良質な学習内容を獲得できることを示した．
|
