RSE モデルを導入した CMA-ES の拡張

カテゴリ: 研究会(論文単位)

論文No: ST16043

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2016/12/02

タイトル(英語): Extension 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(Osaka Prefecture University),Taku Hasegawa(Osaka Prefecture University),Naoki Mori(Osaka Prefecture University),Keinosuke Matsumoto(Osaka Prefecture University)

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|Evolutionary Computation|Support Vector Machine|Continuous Optimization

要約(日本語): 進化型計算は汎用性の高い手法であるが，実問題に適用する際には適応度評価回数の軽減が重要な課題となる．この課題を解決するため，機械学習手法を用いて適応度に関する情報を推定するRank Space Estimation(RSE)モデルが提案されており，有用性が示されている．本研究では，これまで提案してきた CMA-ES に RSE モデルを導入した手法のさらなる探索性能の向上を目的とした拡張について検討し，数値実験結果を示す．

要約(英語): 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 (RSE) model, which can learn the fitness landscape by machine learning. This paper presents the extension of CMA-ES with RSE model and demonstrates effectiveness of our proposed method.

原稿種別: 日本語

PDFファイルサイズ: 567 Kバイト