RSE モデルを導入した CMA-ES による実数値最適化

カテゴリ: 部門大会

論文No: TC7-2

グループ名: 【C】平成28年電気学会電子・情報・システム部門大会講演論文集

発行日: 2016/08/31

タイトル(英語): Continuous Optimization by means of CMA-ES with RSE model

著者名: 塚田 健斗(大阪府立大学),長谷川 拓(大阪府立大学),森 直樹(大阪府立大学),松本 啓之亮(大阪府立大学)

著者名(英語): Kento Tsukada|Taku Hasegawa|Naoki Mori|Keinosuke Matsumoto

キーワード: 進化型計算|サポートベクトルマシン|実数値最適化実数値最適化|Evolutionary Computation|Support Vector Machine|Continuous Optimization

要約(日本語): One of the most important issues for evolutionary computation (EC) is to consider the number of fitness evaluations. In order to reduce the number of fitness evaluations, we have proposed the surrogate model called the Rank Space Estimation model (RSE model), which can learn the fitness landscape by machine learning. In this paper, we introduce the RSE model to CMA-ES and proposed a novel scaling method for RSE model. The effectiveness of the proposed method is confirmed by computer simulation taking 3 benchmark problems as examples.

PDFファイルサイズ: 383 Kバイト