進化型計算における新たな適応度景観予測手法の提案

本年度は，まず進化型計算の deep learning への適用研究について検討をした．研究計画通り，階層構造によるネットワークの表現を用いた構造最適化手法についても検討し，学習コストの観点から実現可能性を検討した．また，初年度から続けている P3-DII の研究について実応用のためのアルゴリズムの並列化に関する研究に取り組んだ．並列化手法の実現について，いくつかのアイディアを検討し，そのうちの１つである島モデル型の手法を実装した．この手法についてベンチマーク問題を用いて従来手法と比較検討することにより，計算を効率化することが可能な上，本来P3がもつ探索性能も維持できるという有用性を示した．続いて，多目的最適化のためのパレートフロント推定手法として，ベジエ単体を用いた近似手法に対して確率モデルを導入することにより，ノイズがある解集合を効率的に利用する手法を提案した．ベンチマーク問題を用いた数値実験により，従来手法と比べて良い性能であることを示し，その有用性を発表した．さらに，昨年から引き続き行っていた遺伝的プログラミングの新しい手法について，オープンソースとして一般に公開をするため，手法を整理し再構築した．．その他の研究として，前述の deep learning を実問題へ適用する際に，入力に欠測が起こりうる場合における，効率的な学習法を提案し有効性を示した．加えて，理論的に解析をしたことにより，学習時の理想的な代入値を導くことに成功し，さらにその推定手法も提案することにより，提案手法の応用範囲を拡大した．これにより，多くの実問題に対応することが可能となった．一方で，理論値を導いた際に問題に対していくつかの仮定を置いたため，その仮定を満たさない状況下における代入値に関する議論は今後の課題となっている．

本年度は，まず進化型計算の deep learning への適用研究について検討をした．研究計画通り，階層構造によるネットワークの表現を用いた構造最適化手法についても検討し，学習コストの観点から実現可能性を検討した．また，初年度から続けている P3-DII の研究について実応用のためのアルゴリズムの並列化に関する研究に取り組んだ．並列化手法の実現について，いくつかのアイディアを検討し，そのうちの１つである島モデル型の手法を実装した．この手法についてベンチマーク問題を用いて従来手法と比較検討することにより，計算を効率化することが可能な上，本来P3がもつ探索性能も維持できるという有用性を示した．続いて，多目的最適化のためのパレートフロント推定手法として，ベジエ単体を用いた近似手法に対して確率モデルを導入することにより，ノイズがある解集合を効率的に利用する手法を提案した．ベンチマーク問題を用いた数値実験により，従来手法と比べて良い性能であることを示し，その有用性を発表した．さらに，昨年から引き続き行っていた遺伝的プログラミングの新しい手法について，オープンソースとして一般に公開をするため，手法を整理し再構築した．．その他の研究として，前述の deep learning を実問題へ適用する際に，入力に欠測が起こりうる場合における，効率的な学習法を提案し有効性を示した．加えて，理論的に解析をしたことにより，学習時の理想的な代入値を導くことに成功し，さらにその推定手法も提案することにより，提案手法の応用範囲を拡大した．これにより，多くの実問題に対応することが可能となった．一方で，理論値を導いた際に問題に対していくつかの仮定を置いたため，その仮定を満たさない状況下における代入値に関する議論は今後の課題となっている．