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

複数の群れに基づく群知能を用いた軽量モデル検査技法の研究

基于多群体的群体智能轻量级模型检测技术研究

基本信息

批准号：
22K11988
负责人：
熊澤努
金额：
$ 2.33万
依托单位：
Software Research Assosiate,Inc.(Key Technology Group)
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 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K11988/
关键词：
モデル検査粒子群最適化法問題分割目的関数群知能

项目摘要

複数の群れが効率的に検査を進めるために，各群れが問題を小規模化する問題分割法を開発した．この問題分割法は，モデル検査において従来研究されてきた抽象化技術を活用する汎用的な方法であり，検査問題の性質に依存することなく使用できる利点がある．加えて，粒子群最適化法で使用する目的関数として，経験的知識に基づいて，検査の効率性と検査結果の読みやすさをバランス良く考慮した関数を開発した．この2つの技術を組込んだ複数の群れから成る粒子群最適化法のプロトタイプをPython言語で実装し，並行システムの検証問題をベンチマークとして性能評価を行った．評価の結果，従来法よりも軽量化，効率化が実現されたことを確認した．以上の研究を遂行する中で，これまで認識していなかった2つの課題があることが明らかになった．第一の課題は，検査をどの程度網羅的に実施したかという網羅性を評価する必要があることである．古典的な検査法は決定的アルゴリズムを採用しており，網羅的に検査を行うことが保証されている．一方，本研究が扱う複数の群れを用いた粒子群最適化法による検査は，問題分割や経験的知識を活用することで，網羅性をある程度犠牲にして効率化を図る方法である．そのため，2022年度には，古典的な検査法との挙動の違いの理解と，更なる性能向上に向けた改善点の把握のために，網羅性を数値評価する指標を開発した．さらに，開発した検査法を反復実行することで網羅性を高める方法を開発した．第二の課題は，ベンチマークの開発の必要性である．検査法がどの程度汎用的に利用できるかを評価するには，広く知られているベンチマークだけではなく，多様なベンチマーク問題を対象にした評価実験が必要である．今後は，検査法の本格的な実装と性能改善に努めるとともに，ベンチマーク問題の作成課題にも取り組んでいきたいと考えている．

The problem partition method is developed for each group to reduce the problem size. This problem division method is a general method for investigating the nature of problems and their dependencies. In addition, particle swarm optimization method uses the target number and the knowledge base to investigate the probability and the result of the investigation. 2. The technology of particle swarm optimization is divided into several groups. The results of the evaluation were confirmed by the method of quantification. The above research has been carried out in the middle of the year, and the problem of understanding and understanding has been solved. The first problem is to examine the extent of the network and evaluate the need for it. The classical search method is used to determine whether the search is successful or not. On the one hand, this study examines the application of particle swarm optimization to problem segmentation and optimization. In 2022, the classical analysis method and the violation of the understanding, more performance upward to improve the grasp of the point, the number of evaluation indicators to open. In this paper, the development of the detection method repeatedly implemented, and the network high quality of the method developed. The second issue is the necessity of development. The method is widely used, and the evaluation is necessary. In the future, we will investigate the problem of how to improve the performance of the equipment in this field.