Development of evolutionary computation techniques to realize human-out-of-the-loop

点击翻译按钮获取中文摘要

シミュレーションベース最適化は，最適化対象となる変数とその望ましさを表す目的関数の関係がシミュレーションを通してのみ得られるため，ブラックボックスになるという性質を持ちます．このような最適化問題は工学や産業において頻出の問題クラスです．進化計算をはじめとする最適化法は現実世界の問題に広く適用可能な汎用性がある一方，シミュレータの設計時には最適化結果に影響する重要な意思決定を問題設計者が行わなければならず，これがシミュレーションベース最適化の導入の妨げとなります．本研究は，これらの事前意思決定の必要性をなくし，自動的かつ高速に高信頼な解を獲得する方法の確立を目指しています．当該年度は以下のような研究成果を得ています．１．現実世界の情報が不十分であるためシミュレーションが不確実となる場合において，考えうる最悪性能を最適化する方法を提案しました．国際会議GECCO2022では，不確実性が連続パラメータで表現可能な場合を想定した方法を提案し，国際学術論文誌Applied Soft Computing (2023)では不確実性がカテゴリカル属性となる問題において効率的な探索法を提案するとともに，二酸化炭素地中貯留問題へと応用した成果を発表しました．２．非凸な制約を持ち，制約充足解の探索領域内での割合が著しく小さな最適化問題において，可能な限り制約充足解の集合が凸集合となるような設計変数の変換方法を自動的に獲得する枠組みを提案しました．国際学術論文誌IEEE Access (2022)では，深層生成モデルを活用した設計変数の変換方法を提案し，トポロジー最適化問題へと応用し，その有効性を確認しました．３．高速に計算可能であるものの計算精度が低いシミュレータが存在する場合，これを使うことが最適化に与える影響を理論解析し，国際学術論文誌Algorithmica (2023)にて発表しました．