研究課題
本研究は，再構成可能デバイス設計問題のように解の品質と求解の高速性が要求される問題に対応するために，評価関数曲面の構造に基づいて解の探索過程を自律的・適応的に調整する適応学習型最適化法の開発に取り組んだ。再構成可能デバイス設計のように大規模かつ複雑な評価関数曲面を有する問題に対しては，最適化の過程で評価関数の構造に関する情報を収集・蓄積し，この情報に基づいて解の探索過程を適応的に調整することが，解の品質向上および計算時間短縮に有効であると考えられる。本研究では，生物進化を模擬した進化型計算法に基づいた新たな最適化手法として，評価関数局面の構造に基づいて解の探索過程を自律的・適応的に調整する適応学習型最適化法の開発に取り組んだ。遺伝的アルゴリズムや遺伝的プログラミングなどの進化型計算法は，解の状態を遺伝子コード化し，有益な部分解を交叉により組み合わせることにより，高品質の解を効率よく探索できる。しかし，実際的な問題に応用した際には，理想的な遺伝子コード化および交叉法を見出すことは困難である。本研究の特徴は，解の探索過程そのものを遺伝子情報として付加し，観測された評価関数曲面の特徴に応じて探索過程を適応的に最適化する機能を，進化型計算法に導入する点にある。その結果，問題毎に人手で遺伝子コード化および交叉法を調整することなしに，また，問題の規模およびモデル化に依存することなく，高品質の解を効率的に求められるようになると考えられる。本研究では，具体的には次の点に関して検討した。まず，進化型計算法に評価関数曲面の構造を遺伝情報として蓄積する機能を加えることにより，探索過程を自律的・適応的に最適化する適応学習型最適化手法を構築した。つぎに，開発手法を実現する具体的なアルゴリズムを構築した。さらに，開発手法を各種ベンチマーク問題に応用し，有効性を確認した。
すべて 2015 2014
すべて 雑誌論文 (1件) (うち査読あり 1件) 学会発表 (12件)
SICE Journal of Control, Measurement, and System Integration
巻: Vol.8, No.1 ページ: 34-43
http://doi.org/10.9746/jcmsi.8.34
