解集合アグリゲーションによる多目的進化計算

まず，当初計画の[研究項目A]として，目的空間における解集合アグリゲーションによって，推定パレートフロントを得る方法を構築した．具体的には，限られた既知の良好な解集合の目的関数値ベクトルをもとに，目的関数空間の各方向におけるパレートフロントの位置を，クリギング法や放射状基底関数ネットワークを用いて推定する．凸型，凹型，分離型のパレートフロントを有するテスト最適化問題において，提案法が，パレートフロントを良好に推定できることを明らかにした．また，提案法は，目的関数空間において，パレートフロントが存在しない方向についても，最良の目的関数値を示せることを明らかにした．これは，パレートフロントが存在しない目的空間の領域の目的関数値を意思決定者に説明する手段として有益であると考えられる．つぎに，当初計画の[研究項目B]より先行して，[研究項目C]変数空間における解集合アグリゲーションによって，推定パレートセットを得る方法を構築した．これは，[研究項目A]の検討の過程で，[研究項目A]と共通の仕組みを用いて[研究項目C]を実現できることがわかってきたためである．具体的には，限られた既知の良好な解集合の変数値ベクトルをもとに，目的関数空間の各方向に対応する変数空間における位置をクリギング法や放射状基底関数ネットワークを用いて推定する．テスト問題において，提案法は，ランダム性を含む進化計算による解の生成法より，目的関数値の良好な解を獲得できることを明らかにした．また，実問題においても，効果があることを明らかにした．

まず，当初計画の[研究項目A]として，目的空間における解集合アグリゲーションによって，推定パレートフロントを得る方法を構築した．具体的には，限られた既知の良好な解集合の目的関数値ベクトルをもとに，目的関数空間の各方向におけるパレートフロントの位置を，クリギング法や放射状基底関数ネットワークを用いて推定する．凸型，凹型，分離型のパレートフロントを有するテスト最適化問題において，提案法が，パレートフロントを良好に推定できることを明らかにした．また，提案法は，目的関数空間において，パレートフロントが存在しない方向についても，最良の目的関数値を示せることを明らかにした．これは，パレートフロントが存在しない目的空間の領域の目的関数値を意思決定者に説明する手段として有益であると考えられる．つぎに，当初計画の[研究項目B]より先行して，[研究項目C]変数空間における解集合アグリゲーションによって，推定パレートセットを得る方法を構築した．これは，[研究項目A]の検討の過程で，[研究項目A]と共通の仕組みを用いて[研究項目C]を実現できることがわかってきたためである．具体的には，限られた既知の良好な解集合の変数値ベクトルをもとに，目的関数空間の各方向に対応する変数空間における位置をクリギング法や放射状基底関数ネットワークを用いて推定する．テスト問題において，提案法は，ランダム性を含む進化計算による解の生成法より，目的関数値の良好な解を獲得できることを明らかにした．また，実問題においても，効果があることを明らかにした．