Evolutionary Computation in Black-Box Optimization
Evolutionary Computation in Black-Box Optimization
复制标题
黑盒优化中的进化计算
DOI：
10.11499/sicejl.54.567
复制
发表时间：
2015
期刊：
影响因子：
--
通讯作者：
畠中利治
中科院分区：
文献类型：
--
作者：
田邊遼司;串田淳一;畠中利治
化 (あるいは最大化) する最適解 x∗ を求める問題である. 工学分野において現れうる多くの実問題は, 関数最適化問題に定式化される. たとえば, 機械設計において, 対象の応答を計算機シミュレーションによって調べその設計を最適化するような場合, 設計変数 x に対する対象の応答の評価を与える関数値 f (x) によって, よりよい設計変数を求めていくこととなる. こういった問題では, 目的関数の勾配情報や, 景観が単峰性か多峰性か, 変数分離が可能か不可能かなどといった情報が, 事前に明示的に与えられず, x の関数値 f (x) しか知ることができないことがあり, そのような問題を特に, black-box optimization と呼び, 現実の多くの問題がこのクラスに該当する.本稿では, 関数値 f (x) のみを利用する black-box optimization の方法として, 進化計算を取り上げる. 進化計算は複数の解の候補を保持し, 現在の解がどれくらい良い解なのかを評価することができさえすれば, 解の探索が可能であるような最適化問題に対する汎用的な近似手法の枠組みであり, black-box optimization の方法としてのみならず, 近年においてはさまざまな分野から進化計算が注目され, 期待が集まっている. 関数最適化問題に対する代表的な進化計算アルゴリズムには, Covariance Matrix Adaptation Evolution Strategy (CMA–ES) 1), 実数値 GA2), Particle Swarm Optimization (PSO) 3), Differential Evolution (DE) 4) などがある. 以下では, CMA–ES の枠組みを紹介するとともに, 国際会議の関数最適化のコンペティションで優れた成績を示している DE について, アルゴリズムの紹介とともに最近の研究動向について述べていく.