進化型計算における新たな適応度景観予測手法の提案

进化计算中一种新的适应度景观预测方法的提出

• 批准号: 16J10941
• 负责人: 長谷川 拓
• 金额: $ 1.79万
• 依托单位: Osaka Prefecture University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2016
• 资助国家: 日本
• 起止时间: 2016-04-22 至 2019-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-16J10941/
• 关键词: 進化計算; 劣個体数分布; deep learning; 進化型計算; 適応度景観; 遺伝的プログラミング; Deep Learning; 劣個体分布; CMA-ES; DII-Analysis

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．

This year, the application research of deep learning in evolutionary computing is under discussion. The research plan is to investigate the possibility of realizing the hierarchical structure and the performance of the hierarchical structure by using the structural optimization method. In the first year, the P3-DII research was conducted in the research group. The parallel technique is implemented in the middle of the test, and the test is carried out in the middle of the test. This technique is used to compare and compare the performance of the problem. The calculation is based on the probability of the problem. The original P3 is used to explore the performance of the problem. In this paper, multi-purpose optimization method is proposed to estimate the efficiency of a set of solutions using approximation method. The problem is that the number of problems is not enough to show the usefulness of the problem. In the past year, we have introduced a new method of organizing and re-constructing the project. In addition, the deep learning problem mentioned above is applicable to the case where the input force is not measured, and the effective learning method is proposed. Add to this the theoretical analysis of the ideal value of substitution in learning, the estimation of the method of proposal, the use of the method of proposal. This is the first time I've ever seen you. On the one hand, the theory of the problem of the problem of the problem

项目成果

RSEモデルを導入したCMA-ESの拡張

使用 RSE 模型扩展 CMA-ES

• 发表时间: 2016
• 作者: 成島慧;星野健太;米山淳;長谷川 拓，森 直樹，松本 啓之亮;星野健太，西村悠樹，米山淳;土江海輝，長谷川拓，森直樹，松本啓之亮;塚田健斗，長谷川拓，森直樹，松本啓之亮
• 通讯作者: 塚田健斗，長谷川拓，森直樹，松本啓之亮

階層型個体群の解析に基づく P3 の改良

基于分层总体分析的 P3 改进

• 发表时间: 2017
• 作者: Takayuki Nakamuro;Stewart G. Scott;Tomoya Miura;and Masahiro Murakami;荒木 悠太，長谷川 拓，森 直樹，松本 啓之亮;荒木 悠太，長谷川 拓，森 直樹，松本 啓之亮
• 通讯作者: 荒木 悠太，長谷川 拓，森 直樹，松本 啓之亮

離散最適化における近傍範囲を考慮した局所探索の解析

离散优化中考虑邻域范围的局部搜索分析

• 发表时间: 2017
• 作者: 荒木悠太;長谷川拓，森直樹，松本啓之亮
• 通讯作者: 長谷川拓，森直樹，松本啓之亮

多層個体群を有する遺伝的プログラミングの提案

多层群体遗传编程的提议

• 发表时间: 2016
• 作者: 成島慧;星野健太;米山淳;長谷川 拓，森 直樹，松本 啓之亮
• 通讯作者: 長谷川 拓，森 直樹，松本 啓之亮

RSEモデルを導入したCMA-ESによる実数値最適化

使用 CMA-ES 和 RSE 模型进行实值优化

• 发表时间: 2016
• 作者: Saya Fujino;Taku Hasegawa;Miki Ueno;Naoki Mori and Keinosuke Matsumoto;長谷川 拓，荒木 悠太，森 直樹，松本 啓之亮;塚田 健斗，長谷川 拓，森 直樹，松本 啓之亮
• 通讯作者: 塚田 健斗，長谷川 拓，森 直樹，松本 啓之亮