Study on knowledge acquisition from fitness landscape for evolutionary computation

本研究の目的は，進化計算の探索点情報を使ってfitness景観をモデル化する方法を確立し，推定モデルからfitness景観の知識を抽出し，探索に反映させることで最適化性能を向上させることである．今年度の研究は以下のサブテーマを遂行中である．1.複数のノンパラメトリック回帰手法を用いて同じ問題の手法毎に近似モデルを作り，各モデルの信頼度に応じた加重平均で複数のモデルの総合近似モデルを構成することにより近似誤差を軽減する；2.潜在的領域を徐々に探し出し，高精度のモデリングを行う．換言すれば，まず大域的にfitness景観をモデル化し，そのモデルから潜在的な局所領域を切り出し，その領域の分解能を上げてより高精度のモデリングを行う．つまり，モデリング空間を段階的に詳細化することにより，最終的に最適解の可能な位置を見出す；3.高次元問題の推定モデルを可視化するために，次元数分の最適化設計変数から2変数を取り出し，複数の2次元問題の組み合わせに分割することを試みている．最後に，すべての2次元最適化問題に分解した中での最適変数の組み合わせを，本来の高次元問題の推定最適解とする方法である；4.収束点推定法と推定モデルを組み合わせて最適解を推定し，進化計算高速化手法開発する．この方法は特にノイズ問題または高計算コスト問題に対して有利に働くと期待される．上記サブテーマに加えて，研究遂行過程で新たな研究方向であるニッチ最適化にも取り組んだ．第1にはfitness情報を活用した多峰性問題の複数局所領域の切り出し手法の開発し，第2には，花火アルゴリズムの特性を利用した距離ベース排他戦略導入によるニッチ花火アルゴリズムを開発した．今後も，計画外の新しい課題が見いだされ研究を展開していくことになる．研究業績として，雑誌論文2編，書籍の章分担1編，国内会議論文3編，国際会議論文5編の発表を行った．

本研究の目的は，進化計算の探索点情報を使ってfitness景観をモデル化する方法を確立し，推定モデルからfitness景観の知識を抽出し，探索に反映させることで最適化性能を向上させることである．今年度の研究は以下のサブテーマを遂行中である．1.複数のノンパラメトリック回帰手法を用いて同じ問題の手法毎に近似モデルを作り，各モデルの信頼度に応じた加重平均で複数のモデルの総合近似モデルを構成することにより近似誤差を軽減する；2.潜在的領域を徐々に探し出し，高精度のモデリングを行う．換言すれば，まず大域的にfitness景観をモデル化し，そのモデルから潜在的な局所領域を切り出し，その領域の分解能を上げてより高精度のモデリングを行う．つまり，モデリング空間を段階的に詳細化することにより，最終的に最適解の可能な位置を見出す；3.高次元問題の推定モデルを可視化するために，次元数分の最適化設計変数から2変数を取り出し，複数の2次元問題の組み合わせに分割することを試みている．最後に，すべての2次元最適化問題に分解した中での最適変数の組み合わせを，本来の高次元問題の推定最適解とする方法である；4.収束点推定法と推定モデルを組み合わせて最適解を推定し，進化計算高速化手法開発する．この方法は特にノイズ問題または高計算コスト問題に対して有利に働くと期待される．上記サブテーマに加えて，研究遂行過程で新たな研究方向であるニッチ最適化にも取り組んだ．第1にはfitness情報を活用した多峰性問題の複数局所領域の切り出し手法の開発し，第2には，花火アルゴリズムの特性を利用した距離ベース排他戦略導入によるニッチ花火アルゴリズムを開発した．今後も，計画外の新しい課題が見いだされ研究を展開していくことになる．研究業績として，雑誌論文2編，書籍の章分担1編，国内会議論文3編，国際会議論文5編の発表を行った．