SVMを用いた優良個体存在領域の予測による差分進化

カテゴリ: 研究会(論文単位)

論文No: ST18073

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: 2018/09/26

タイトル(英語): Efficient Solution Search with SVM-assisted Differential Evolution

著者名: 池原 健矢(横浜国立大学),濱上 知樹(横浜国立大学),中田 雅也(横浜国立大学),佐々木 勇人(横浜国立大学)

著者名(英語): Kenya Ikehara(Yokohama National University),Tomoki Hamagami(Yokohama National University),masaya Nakata(Yokohama National University),Hayato Sasaki(Yokohama National University)

キーワード: 進化計算|ＳＶＭ|差分進化|evolutional computation|support vector machine|differential evolution

要約(日本語): 本研究は、過去の解探索履歴から優良個体の存在領域を予測し探索することで、解の探索効率を改善する差分進化法を提案する。具体的には、解の探索状況に応じて、優良個体の存在領域を縮小・拡大する適応的制御をSVMに導入する。そして、存在領域を重点的に探索するように差分進化法を構築する。実験ではベンチマーク関数において、通常の差分進化法と比較し，提案手法が特定の問題で差分進化より良い解が得られることを示した。

要約(英語): This paper proposes a surrogate-assisted differential evolution based on a support vector machine technique, or SVM-DE, in order to improve an efficienty of solution search on single optimization. SVM-DE predicts a subspace of solution likely to involve superiour solutions with high tness, and then it evolves solutions under a restriction thatthey have to be in the predicted subspace. We show SVM-DE tends to outperform the standard DE especially on aset of high-dimensional benchmark problems.

原稿種別: 日本語

PDFファイルサイズ: 2,673 Kバイト