权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

循環・螺旋型システムズアプローチに基づくデータ駆動型問題生成機能統合最適化法

基于循环/螺旋系统方法的数据驱动问题生成函数集成优化方法

基本信息

批准号：
22K04157
负责人：
安田恵一郎
金额：
$ 2.66万
依托单位：
Tokyo Metropolitan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

项目摘要

本研究課題では，モデリングによる問題生成機能を統合化した最適化法の提案，および実装後の実システムから改めて得られる新データによって駆動される問題自体の進化により，① 不確実性・予測不可能性への対処，② 構造的な柔靭性の獲得，③ 市場機能の導入下での分散性・階層性への適用，④ 要素間・部分システム間の関係性構築，などを目指している。研究目的を達成するためには，(a)データによるモデリング機能を用いた最適化問題の定式化，(b)等式制約条件・不等式制約条件，さらに目的関数生成機能をも統合化した新しい最適化法の構築，(c)新しい機能を有するシステムを構築するための課題解決手段の提案，を行う必要がある。本年度は，上記の研究課題の内，(a)および(b)に関する基礎的検討を進め，以下の成果を得た。(1)データによるモデリング機能を用いた最適化問題の定式化モデリング機能と最適化機能を統合化したモデリング駆動型最適化問題を定式化した。この定式化によって，比較的少数のサンプルデータによる近似モデルの生成から始め，近似精度の向上と最適化の効率化を目的とした，データを逐次追加するデータ限定法と称する解法の提案を可能にした。(2)等式制約条件・不等式制約条件を統合化した進化計算に基づく新しい最適化法の構築実行可能解への収束性と非凸集合となる実行可能領域に対する大域的最適化性能の向上を目的として，有制約最適化のための適応的重み調整を用いた最適化手法を提案した。分離に基づくアプローチや，多目的に基づくアプローチよりも実行可能解への収束性能及び大域的最適化性が高いことを確認した。

This research topic is to propose an integrated optimization method for problem generation functions in the context of problem evolution, to modify the implementation system after implementation, to obtain the new problem generation functions, and to analyze the evolution of the problem itself, including: (1) how to deal with uncertainty and prediction impossibility;(2) how to obtain structural flexibility;(3) how to apply decentralized and hierarchical functions under the introduction of market functions;(4) Construction of the relationship between elements and parts, and the relationship between elements and parts. The objectives of the study are: (a) formulation of optimization problems for the use of data sets;(b) establishment of new optimization methods for the integration of target relationship generation functions; and (c) proposal of problem solving methods for the establishment of new data sets. This year, within the above research topics,(a) and (b) related basic research progress was made, and the following results were achieved. (1)The optimization problem is formulated by integrating the optimization function with the optimization function. This formulation is based on the comparison of a small number of data sets, the generation of approximate data sets, the optimization of approximate accuracy, and the possibility of a solution to the problem by adding data sets. (2)Equation constraints, inequality constraints, integration, evolutionary computation, optimization, construction of feasible solutions, convergence, non-convex sets, feasible domains, optimization performance, optimization, optimization. Separation of base and multi-purpose base and multi-purpose optimization of possible solutions and optimization of large areas