汎用的問題解決能力をもつ粒子エージェントによる最適化アプローチ

点击翻译按钮获取中文摘要

システムの設計、計画、運用などで最適化手法を取り込むことは有効であり、システム上で最適化は欠かせないツールである。しかし、最適化問題は線形、非線型、組合せなど緻密なクラスに分類され、その解法は様々な方法論をとる。したがって、知識のないものにとってその利用は難しいと言える。これに対して、問題を意識せず利用できる汎用型最適化アルゴリズムが存在すれば、あらゆる分野において最適化の活用を推し進めるであろう。その汎用型ソルバー構築のために、粒子の動きにヒントを得た粒子群最適化法（Particle Swarm Optimization、PSO）に着目する。ただし、高次元な問題に対してその能力は十分に発揮されず、扱える問題は連続関数に限られている。本研究では、高次元な問題でも精度の高い解を求め、かつ離散的問題に対応し、汎用化に耐えうる能力をもつ汎用的問題解決能力型の粒子エージェントを開発する。特に、粒子の移動にロングジャンプを伴う特徴的な能力を与え、かつ粒子群の再構築により多様性を与えるなど高次元な問題に対するアルゴリズムを提案し幾つかの問題に対して良好な結果を得ている。本年度は、ベンチマークの問題のクラスを広げ、離散的問題に対応し、汎用化に耐えうる能力をもつ汎用的問題解決能力型の粒子エージェントのパフォーマンス、限界などを検証した。様々な問題に対し検証を行い、問題点、改善点などのデータを得ることに努め、広く多様な問題に対応できることを示した。また、離散的問題に対応するためのペナルティー関数の開発に関して新たな提案、実験を行い離散的問題への対応をはかった。さらに、解（粒子）の移動を定義する近傍に関して、数理的な解析を行いつつある。それにより、粒子の移動の性質、性能を明らかにし、より有効な解の移動を構築し、かつその解の移動の良し悪しを論じたい。