有制約最適化のためのMOEA/Dに基づく制約対処法の検討

カテゴリ: 部門大会

論文No: GS10-3

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): A Study of MOEA/D Based Constraint Handling Technique for Constrained Optimization

著者名: 小嶋 英時（東京都立大学）,安田 雄佑（東京都立大学）,熊谷 渉（横河電機）,田村 健一（東京都立大学）,安田 恵一郎（東京都立大学）

著者名(英語): Hidetoki Kojima (Tokyo Metropolitan University),Yusuke Yasuda (Tokyo Metropolitan University),Wataru Kumagai (Yokogawa Electric Corporation, Ltd),Kenichi Tamura (Tokyo Metropolitan University),Keiichiro Yasuda (Tokyo Metropolitan University)

キーワード: 有制約最適化|制約対処法|メタヒューリスティクス|パレートフロンティア|分割MOEA/D|Constrained Optimization|Constraint Handling Technique|Metaheuristics|Pareto Frontier|DecompositionMOEA/D

要約(日本語): メタヒューリスティクスは無制約最適化を主な対象としてきたが，実応用では直接探索・多点探索を維持・活用し，有制約最適化へ拡張するための制約対処法が求められる。制約違反量を追加の目的関数とすることで2目的最適化問題として解く制約対処法は，実行不可能解を明示的に利用し，目的関数値と制約違反量を並行して最適化することを目指す。その中でも，問題分割を利用する方法は，パレートランキングを利用する方法に比べて基本的に解の実行可能性と収束性に優れる点から，有制約最適化に有利だと期待される。しかしながら，問題分割の方法は，各軸のスケールや難易度が異なる場合などではパレートフロンティアを一様に近似できず，探索性能が劣化することが知られている。そこで本稿では，問題分割の枠組みであるMOEA/Dを有制約最適化に拡張したときの課題について数値実験を通じて言及し，より有用性の高い問題分割を利用する制約対処法の検討を行った。