Research on Distributed Evolutionary Computation for Real-time Many-Objective Optimization in Smart City

点击翻译按钮获取中文摘要

(1) パレート優劣関係に基づく手法であるNSGA-IIに関して、並列分散環境において、分割統治法を参考にした階層型非支配ソート、および探索過程でのパレートフロントの両端の非劣解を全てのコアCPUで共有する移住方式により、解の多様性（パレートフロントの両端の広がり）および均一な解分布能力向上のために有効であることを示していた。更に、評価値の高い実行不可能解を利用した解探索における収束性向上のアイデアを加え、多様性とパレートフロントへの収束能力を兼ね備えたアルゴリズムを考案したがプログラムのバグにより進捗が停滞していた。バグ対策は完了したが、COVID-19の影響で評価実験に遅れが生じ、2023年度中にジャーナルへの投稿を予定している。一方、研究を進める中で、解分布のエッジ解（劣解）を利用したNSGA-IIの解探索の多様性向上に繋がるアイデアが浮かび、評価実験を行い国際ジャーナルに投稿し採録された。(2) 重みベクトルによるスカラー化関数に基づく手法であるMOEA/Dに関して、目的関数空間を分割し複数のコアに割り当てる並列化を（GPUなどの）メニーコア環境で行った場合のコア境界付近での解精度の低下を抑制するために、目的関数空間を分割する境界領域にVirtual overlapping zoneを設けて探索精度の向上を図る手法を2目的最適化問題に対して提案した。また、各コアで情報共有の必要があるIdeal Pointを、コア間で補正するための情報共有間隔を適応的に変化させることで、コア間の境界付近で解分布が疎になる現象を改善する効果があり、収束性に関しては単一CPUと同程度を維持したまま多様性を向上する実験結果を得てIEEE主催の国際会議で発表していた。しかし、目的数が3以上の場合に適用するための改善案が停滞し、均一に重みベクトルを分配する代替案を提案して評価実験に着手した。