Study on knowledge acquisition from fitness landscape for evolutionary computation

用于进化计算的适应度景观知识获取研究

基本信息

批准号：
19J11792
负责人：
余俊
金额：
$ 1.34万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-25 至 2021-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19J11792/
关键词：
進化計算高速化 fitness景観推定モデル

项目摘要

本研究の目的は，進化計算の探索点情報を使ってfitness景観をモデル化する方法を確立し，推定モデルからfitness景観の知識を抽出し，探索に反映させることで最適化性能を向上させることである．今年度の研究は以下のサブテーマを遂行中である．1.複数のノンパラメトリック回帰手法を用いて同じ問題の手法毎に近似モデルを作り，各モデルの信頼度に応じた加重平均で複数のモデルの総合近似モデルを構成することにより近似誤差を軽減する；2.潜在的領域を徐々に探し出し，高精度のモデリングを行う．換言すれば，まず大域的にfitness景観をモデル化し，そのモデルから潜在的な局所領域を切り出し，その領域の分解能を上げてより高精度のモデリングを行う．つまり，モデリング空間を段階的に詳細化することにより，最終的に最適解の可能な位置を見出す；3.高次元問題の推定モデルを可視化するために，次元数分の最適化設計変数から2変数を取り出し，複数の2次元問題の組み合わせに分割することを試みている．最後に，すべての2次元最適化問題に分解した中での最適変数の組み合わせを，本来の高次元問題の推定最適解とする方法である；4.収束点推定法と推定モデルを組み合わせて最適解を推定し，進化計算高速化手法開発する．この方法は特にノイズ問題または高計算コスト問題に対して有利に働くと期待される．上記サブテーマに加えて，研究遂行過程で新たな研究方向であるニッチ最適化にも取り組んだ．第1にはfitness情報を活用した多峰性問題の複数局所領域の切り出し手法の開発し，第2には，花火アルゴリズムの特性を利用した距離ベース排他戦略導入によるニッチ花火アルゴリズムを開発した．今後も，計画外の新しい課題が見いだされ研究を展開していくことになる．研究業績として，雑誌論文2編，書籍の章分担1編，国内会議論文3編，国際会議論文5編の発表を行った．

本研究的目的是建立一种使用进化计算的搜索点信息对适应度景观进行建模的方法，并通过从估计模型中提取适应度景观知识并将其反映在搜索中来提高优化性能。今年的研究目前正在追求以下子主题。 1.使用多种非参数回归方法对同一问题的每种方法建立近似模型，并根据每个模型的可靠性使用加权平均构建多个模型的综合近似模型，以减少近似误差；2.并执行高精度建模。换句话说，我们首先对全局适应度景观进行建模，从该模型中提取潜在的局部区域，并提高该区域的分辨率以执行更准确的建模。换句话说，通过逐步细化建模空间，我们最终找到最优解的可能位置； 3.为了可视化高维问题的估计模型，我们试图提取变量并划分它们分解为多个二维问题的组合。最后，分解为原始高维问题的所有二维优化问题中的最优变量组合即为估计最优解 4. 结合收敛点估计方法和估计模型估计解并制定加速方法；进化计算。该方法预计对于噪声问题或高计算成本问题特别有利。除了上述子主题之外，我们在研究过程中还研究了一个新的研究方向——利基优化。首先，我们开发了一种利用适应度信息提取多模态问题的多个局部区域的方法；其次，我们利用烟花算法的特点引入基于距离的排除策略，开发了一种利基烟花算法。未来，还会发现新的计划外问题，并不断开展研究。作为研究成果，我发表了两篇期刊文章，一篇书籍章节，三篇国内会议论文，五篇国际会议论文。