Development of evolutionary computation techniques to realize human-out-of-the-loop

发展进化计算技术以实现人类脱离循环

基本信息

批准号：
19H04179
负责人：
秋本洋平
金额：
$ 10.98万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19H04179/
关键词：
進化計算不確実性深層学習生成モデル非凸制約 Human-out-of-the-loop シミュレーションベース最適化ナッシュ均衡解マルチフィデリティアルゴリズム選択シミュレーションベース最適化

项目摘要

シミュレーションベース最適化は，最適化対象となる変数とその望ましさを表す目的関数の関係がシミュレーションを通してのみ得られるため，ブラックボックスになるという性質を持ちます．このような最適化問題は工学や産業において頻出の問題クラスです．進化計算をはじめとする最適化法は現実世界の問題に広く適用可能な汎用性がある一方，シミュレータの設計時には最適化結果に影響する重要な意思決定を問題設計者が行わなければならず，これがシミュレーションベース最適化の導入の妨げとなります．本研究は，これらの事前意思決定の必要性をなくし，自動的かつ高速に高信頼な解を獲得する方法の確立を目指しています．当該年度は以下のような研究成果を得ています．１．現実世界の情報が不十分であるためシミュレーションが不確実となる場合において，考えうる最悪性能を最適化する方法を提案しました．国際会議GECCO2022では，不確実性が連続パラメータで表現可能な場合を想定した方法を提案し，国際学術論文誌Applied Soft Computing (2023)では不確実性がカテゴリカル属性となる問題において効率的な探索法を提案するとともに，二酸化炭素地中貯留問題へと応用した成果を発表しました．２．非凸な制約を持ち，制約充足解の探索領域内での割合が著しく小さな最適化問題において，可能な限り制約充足解の集合が凸集合となるような設計変数の変換方法を自動的に獲得する枠組みを提案しました．国際学術論文誌IEEE Access (2022)では，深層生成モデルを活用した設計変数の変換方法を提案し，トポロジー最適化問題へと応用し，その有効性を確認しました．３．高速に計算可能であるものの計算精度が低いシミュレータが存在する場合，これを使うことが最適化に与える影響を理論解析し，国際学術論文誌Algorithmica (2023)にて発表しました．

基于仿真的优化具有黑匣子的特性，因为要优化的变量和代表其期望值的目标函数之间的关系只能通过仿真获得。诸如此类的优化问题是工程和工业中经常出现的一类问题。进化计算等优化方法具有足够的通用性，可以广泛应用于现实世界的问题，但在设计模拟器时，问题设计者必须做出影响优化结果的重要决策，这阻碍了基于模拟的优化的引入。本研究旨在消除对这些预先决策的需要，并建立一种自动快速获得高度可靠的解决方案的方法。今年，我们取得了以下研究成果。 1.我们提出了一种方法，当由于现实世界信息不足而导致仿真不确定时，可以优化最差的性能。在国际会议GECCO2022上，我们提出了一种假设不确定性可以表示为连续参数的方法，并且在国际学术期刊Applied SoftComputing（2023）中，我们提出了一种针对不确定性为分类属性的问题的高效搜索方法。除了提出一种方法外，我们还介绍了将其应用于地下二氧化碳储存问题的结果。 2.在具有非凸约束且搜索区域中满足约束的解所占比例极小的优化问题中，自动获得一种转换设计变量的方法，使满足约束的解集尽可能凸。这样做的框架。在国际学术期刊IEEE Access（2022）上，我们提出了一种利用深度生成模型转换设计变量的方法，并将其应用于拓扑优化问题，并证实了其有效性。 3.如果有一种模拟器可以高速计算，但计算精度较低，我们就使用该模拟器对优化的影响进行了理论分析，并将结果发表在国际学术期刊Algorithmica（2023）上。