知能情報処理技術を融合した自動車乗員保護システム設計手法の開発

2014 Fiscal Year Research-status Report

• Project/Area Number: 26330274
• Research Institution: University of Yamanashi
• Principal Investigator: 堀井 宏祐 山梨大学, 総合研究部, 助教 (00447715)
• Project Period (FY): 2014-04-01 – 2017-03-31
• Keywords: 機械学習 / 進化的多目的最適化

Outline of Annual Research Achievements

本研究では自動車乗員保護システム設計において評価関数として用いる乗員傷害基準値について，少数の実計算サンプルから機械学習を用いて近似モデルを構築し，実計算を代替することで，進化的多目的最適化に要する計算コストの削減を実現する．平成26年度はこれまでの研究で得た知見を踏まえて，近似精度向上と効率的なサンプリングを実現するために下記の2項目について検討した．
1.新たなサンプリング手法の提案：通常は探索空間全体を高精度に近似することを目指すが，本研究では重要な領域の近似精度を高めることを重視して，進化的多目的最適化で得られた非劣解と，計算過程で得られた探索点をサンプル点として近似モデルを構築することを提案し，テスト関数を用いてその有効性を検証した．その結果，進化的多目的最適化の同時多点探索による大域的探索能力に優れた特性を活かして，限られたサンプル点で有望な探索領域の精度良い近似モデルを構築できることを確認した．
2.探索点のクラスタリングによる探索空間の分割と複数近似モデルによる推定：非線形性が強い多峰性応答を1つの関数で近似するには多くのサンプル点が必要である．探索空間を複数に分割し，各々の近似モデルを個別に構築することで限られたサンプル点で精度良い近似モデルを構築できることを確認した．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

初年度に計画していた近似精度向上と効率的なサンプリングの実現について，良好な結果が得られた．一方，年度末に計画していた国際会議での成果発表について翌年度に延期したため(平成27年4月投稿中)，計画以上に進展しているとは言えない状況である．

Strategy for Future Research Activity

平成26年度の研究成果を発展させるとともに，「進化的多目的最適化と自己組織化マップによる多次元情報可視化の融合」に取り組む．自己組織化マップによる多次元情報可視化によって，設計変数間，目的関数間の相関性を把握し，これを進化的多目的最適化と融合することで下記の2項目について検証する．
1.多目的最適化で得られた非劣解に対して多次元情報可視化を行い，設計変数と目的関数間の相互作用を設計者に対して提示することの有効性を検証する．
2.相関性の強い設計変数や目的関数を統合し，次元削減によって探索空間を縮小することで，大域的探索能力の向上を図る．

Causes of Carryover

平成26年3月に国際会議での成果発表を予定していたが，発表を取り止めたため残額が生じた．

Expenditure Plan for Carryover Budget

平成27年度中に対外発表を行う経費に充当する予定である．