非線形次元圧縮法を用いた近似サロゲート型多目的進化計算

カテゴリ: 部門大会

論文No: TC7-3

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Approximation-based Surrogate-assisted Evolutionary multi-objective algorithm with Nonlinear dimension reduction

著者名: 礒田 真子（横浜国立大学）,宮原 悠司（横浜国立大学）,園田 拓海（横浜国立大学）,中田 雅也（横浜国立大学）

著者名(英語): Mako Isoda (Yokohama National University),Yushi Miyahara (Yokohama National University),Takumi Sonoda (Yokohama National University),Masaya Nakata (Yokohama National University)

キーワード: 多目的最適化|次元圧縮|サロゲート型進化計算サロゲート型進化計算|multi-objective optimization|dimension reduction|surrogate-assisted evolutionary algorithm

要約(日本語): 近似サロゲート多目的進化計算は、目的関数の近似モデルを用いて最適化を進める方法であり、解の評価に長時間要する高計算コストな最適化問題に適している。一方で、問題次元が増加すると、球面集中現象やデータサンプル数の制限によって、近似モデルの精度が低下し最適化性能も低下する問題がある。本研究では、この問題を解決するために、解データを低次元に圧縮し、圧縮された空間に対して近似モデルを構築することで、同モデル及び最適化性能の向上を図る方法を提案する。具体的には、近似サロゲート多目的進化計算の代表手法でMOEA/D-EGOと非線形圧縮手法であるAutoencoderを用いる。実験では、ベンチマーク問題DTLZ1-7を用い、比較手法に対して提案手法の性能がより優位であると示す。

PDFファイルサイズ: 326 Kバイト