| 研究課題/領域番号 |
17K00335
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
ソフトコンピューティング
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
小野 功 東京工業大学, 情報理工学院, 准教授 (00304551)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | 進化計算 / ブラックボックス最適化 / 大域的多峰性 / 関数最適化 / 組合せ最適化 / データ同化 / 時系列データのモデル推定 / シミュレーションベース最適化 |
|---|
| 研究成果の概要 |
本研究では，大域的多峰性，変数間依存性，悪スケール性，非明示制約などの困難な性質を有するブラックボックス関数最適化問題において，既存手法よりも効率よく良質な解の発見を可能にする新たな探索手法を提案し，複数のベンチマーク問題および実問題において，提案手法が既存手法よりも優れた探索性能を示すことを確認した．さらに，大規模巡回セールスマン問題(TSP)のための最適化手法，時系列データモデリングのための微分方程式系および差分方程式系の推定手法，逐次状態推定問題における状態とパラメータの同時推定手法などを提案し，数値実験により既存手法よりも優れた性能を示すことを確認した．
|
| 自由記述の分野 |
進化計算
|
| 研究成果の学術的意義や社会的意義 |
本研究で提案したブラックボックス関数最適化手法は，手法の性能評価に用いたレンズ系設計，月着陸最適候補地の選定問題のみならず，環境・エネルギー分野， 航空・宇宙分野，バイオ・医療分野，社会・経済分野など広い分野のシステム効率化・最適化に適用可能な汎用性の高い手法であり，これまで未解決だった各分野の難問の解決へとつながることが期待される．また，TSPのための最適化手法は流通業界における問題解決への応用が期待され，時系列データモデリングのための微分方程式系および差分方程式系の推定手法および逐次状態推定問題における状態とパラメータの同時推定手法は様々な分野におけるデータ解析への応用が期待される．
|
