重み付き隣接行列を用いたサロゲート遺伝的プログラミング

カテゴリ: 研究会(論文単位)

論文No: ST23037,CT23100

グループ名: 【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会

発行日: 2023/11/29

タイトル(英語): Surrogate Genetic Programming with Weighted Adjacency Matrix

著者名: 針谷 亘輝(横浜国立大学),中田 雅也(横浜国立大学)

著者名(英語): Nobuki Hariya(YOKOHAMA National University),Masaya Nakata(YOKOHAMA National University)

キーワード: 関数同定|サロゲート進化計算|代理モデル進化計算|組合せ最適化問題|Symbolic Regression|Gene Expression Programming|Surrogate|Predictor|Combinatorial Optimization

要約(日本語): サロゲート遺伝的プログラミング(SAGP)は、深層学習モデルの構造最適化など、高コストな最適化問題に有効な手法である。一般的なGPは、解を木構造で表現するが、この表現型に適したサロゲートモデルの構築方法が十分に検討されていない。本稿では、木構造を重み付き隣接行列に変換するエンコード方法を導入し、これを用いたSAGPを提案する。実験では、記号回帰問題を例題とし、提案法の性能を評価する。

要約(英語): Surrogate-assisted generic programming(SAGP) is an effective approach for solving expensive optimization problems, but there is a little attention in designing a proper surrogate modeling for GP’s tree-based representations. This paper proposes an encoding method using a weighted adjacency matrix, which converts tree structures to ‘easy-to-learn’ forms, improving the surrogate quality.

本誌: 2023年12月2日-2023年12月3日システム/制御合同研究会

本誌掲載ページ: 41-46 p

原稿種別: 日本語

PDFファイルサイズ: 1,201 Kバイト