ガウス過程回帰を用いたTCPSOの解探索過程の効率化

カテゴリ: 部門大会

論文No: MC5-2

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): Improvement of Solution Search in TCPSO Using Gaussian Process Regression

著者名: 柏原 優樹（広島大学）,林田 智弘（広島大学）,西崎 一郎（広島大学）,関崎 真也（広島大学）

著者名(英語): Yuuki Kashihara (Hiroshima University),Tomohiro Hayashida (Hiroshima University),Ichiro Nishizaki (Hiroshima University),Shinya Sekizaki (Hiroshima University)

キーワード: 最適化|ガウス過程回帰|粒子群最適化粒子群最適化|Optimization|Gaussian process regression|Particle swarm optimization

要約(日本語): 粒子群最適化(Particle Swarm Optimization:PSO)では，位置情報と速度情報を持つ粒子が探索空間上に配置され，粒子全体で探索情報を共有しながら解探索を行う．PSOは，局所解に収束する場合があるため，解更新手順の異なる2種類の粒子群を用いたTCPSO(Two Co-operative PSO)が提案されているが，高次元，広範囲の問題では局所解に収束してしまう場合があり，粒子群の多様性の維持が難しいことが上げられる．本研究では，TCPSOの解探索過程において解の更新幅が小さくなったとき，解探索過程が収束していると解釈し，このときに既知入出力点に基づいて，関数の概形を平均値と分散を用いた分布として推定することができるガウス過程の平均値と分散の標準偏差を用いて定義される獲得関数から大域的最適解の存在が期待される領域に粒子を新たに配置することで，TCPSOの問題を改善し，解探索のパフォーマンス向上を目指す．