前年度に構築した学習モジュールについては、学習データに含まれる不確実性のモデル化を再検討した。不確実性のモデルパラメータを事象の出現頻度に応じて可変的に定義することとした。その結果、推定すべきパラメータの数は増える反面、事象の出現頻度に大きな偏りを持つ学習データについても、データの分類精度を改善することができた。
意思決定モジュールについては、制約条件違反の概念を導入して、構築を試みた。多目的最適化計算の過程で探索される解集団に対して、制約条件の総違反量を評価し、それらをもとに解集団を実行可能解集団と実行不可能解集団に分ける。各集団では、個別の最適化戦略ルールを設定して個別に進化させ、各世代の終わりに競合・融合させる。その結果、真のパレート面の近くで探索される解集団について、制約条件を容易に満たしそうな解とそうでない解の区別ができ、設計者が各解の実現性および安全性について意思決定を下すことが可能となった。さらに、このモジュールを多目的最適設計モジュールと組み合わせることで、制約条件が非常に厳しく最適解の探索が非常に難しいとされる問題においても、パレート最適解集合を確実に求めることが可能となった。
最後に、実設計問題への応用として、エネルギーマネジメント最適制御問題に取り組んだ。時系列とした与えられたエネルギー需要を満たすべく、様々なエネルギー機器を適宜組み合わせて利用する際に発生する、コストとCO2の同時削減を目指した。その結果、これまでに予想されていなかった多様なパレート最適解集合が見つかり、さらに各解それぞれについて制約条件として表される様々な性能指標に則って意思決定を行い、各解の実用的価値を評価・議論した。以上より、本研究で構築された全モジュールの有効性を実証することができた。
|