| 研究課題/領域番号 |
20K11968
|
|---|
| 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 |
榊原 一紀 富山県立大学, 工学部, 准教授 (30388110)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 進化型多目的最適化 / 深層学習 / 機械学習 |
|---|
| 研究実績の概要 |
効率的な探索を実現する進化型多目的最適化アルゴリズム（EMO）として，機械学習の分類アルゴリズムであるSVMを利用し，見込みのある領域にのみ解を生成することで無駄な解生成・解評価回数を削減するアプローチについて検討し，検証実験を行った．検討したアプローチは，過去の探索履歴情報をSVMにより学習することで未評価個体の見込みを推定し，明らかに見込みの少ない個体評価を削減することで探索の効率化を図ったものであり，EMOアルゴリズムの一種であるMOEA/Dを改良したMOEA/D-M2に機能追加する形で実装を行った．
検証実験の結果，従来手法に比べ多くの問題で良好な結果が得ることができたものの，探索終盤において偽陽性判定で問題があることなど幾つかの課題が明らかとなった．
また，計算負荷が高く解の評価回数が厳しく制限されている問題に対する応答局面を活用したEMOアルゴリズムについて調査・検討を行い，既存手法における特徴の違いを明らかにすることができた．さらに，解の多様性と収束性（近接性）という2つのバランスを陽に扱うメカニズムを組み込んだ応答局面を利用した手法を実装し，その効果について検証実験を行った．残念ながら既存手法との明確な性能差は認められなかったものの，幾つかの課題を明らかにすることができた．
その他，昨年度から取り組んでいる新規子個体生成において探索状況で交叉と分布推定の戦略を切り替えるEMOアルゴリズムについても改良を行った．具体的には，分布推定にあたるメカニズムをPCAとラインサーチを組み合わせたアプローチに改良し，従来までよりも優位な探索性能の向上を実現することができた．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
新型コロナウィルスの影響もあり，年度開始時期において研究の進捗が遅れたものの，過去の探索情報を見込み推定に活用するアプローチについて実装，検証実験を行うことができ，一定の成果をあげるとともに解決すべき課題を明らかにすることができた．
また，評価負荷が高い計算回数が厳しく制限された問題に対する応答局面を活用した手法についての調査・比較実験を行い，既存手法の問題点を明らかにすることができた．
以上のことから，「概ね順調に進展している」と判断した．
|
| 今後の研究の推進方策 |
今年度，明らかとなった課題である探索終盤における効率的な解の更新方法の実現に注力するとともに，様々な実問題に対しての適用を試みたいと考えている．具体的には，現在までに得られた解の分布情報から探索空間における有望領域の推定を行い，新規個体生成の戦略に活かすことなどのアプローチを考えている．
また，応答局面を活用した手法に関しても今年度明らかとなった問題点を踏まえて，より効率的な手法の開発を行い，そういった計算負荷が高い実問題に対象にした検証実験を行いたいと考えている．
|
| 次年度使用額が生じた理由 |
新型コロナウィルスの影響により打ち合わせ・学会が中止，オンライン化されたことにともない旅費が0円となったことが主原因である．また，そういった出張がなくなったことによりノートパソコンといった当初見込んでいた物品の購入を見送ったため大きく当該助成金が生じた．
次年度は，この次年度使用額を計算機の購入，今年度見送った物品の購入に投じるととも，データ整理といった研究推進のための謝金，英語論文投稿のための投稿料，校正料に活用したいと考えている．
|
