Study of distributed evolutionary computation for interrelated multi-objective optimization problems

相互关联的多目标优化问题的分布式进化计算研究

• 批准号: 22K12185
• 负责人: 佐藤 裕二
• 金额: $ 2.66万
• 依托单位: Hosei 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 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12185/
• 关键词: Distributed NSGA-II; Divide-and-conquer; Distributed MOEA/D; Ideal Point; Multitasking; Heterogeneous; 多目的進化アルゴリズム; 並列分散処理; ソフトコンピューティング; スマート社会

(1) 重みベクトルの分解に着目した手法を代表するMOEA/Dに関して、単一CPUにおける理想点の変化を観測することで、初期段階では急激な変化がある一方で、解探索の途中から緩やかな変化に切り替わる傾向があることを調査・分析した。この実験結果を基に、理想点の変化を観測しながら、重みベクトルの基準となる理想点の値を調整するための妥当な間隔を自律適応的に決定する方式の検討を行った。具体的には、探索過程での（世代数が異なる）幾つかの理想点の値を標本データとして、最小二乗法などの統計的最適化法を用いてcore間で理想点の値を補正するための移住間隔を決める方式の検討を行い評価実験を開始した。(2) また、より大規模な並列環境を想定して、基本的にcore毎に独立して理想点を推定する方式の検討を行った。具体的には、探索途中の非劣解集合の端（エッジ）の重みベクトルを全てのcoreで共有し、残りの重みベクトルは、各coreに（モジュロ演算などを用いて、できるだけ）均一に割り当てる並列分散方式を提案した。また、パレートフロントの広がりを維持する力を強めるために、子個体を生成するための遺伝子操作において、オリジナルのMOEA/DのようにT-近傍内のランダムに選択した2個体を親個体とするのではなく、一方の親個体は当該重みベクトルが保持している個体を用いることとした。本手法に関しては簡単な評価実験を開始して有効な実験結果を得たために、ACM/SIGEVO主催の国際会議GECCOのポスターセッションに投稿して採択された。(3) 今後、相互性を有する多目的問題の解法を考える際に、現在の遺伝的アルゴリズムよりも、群知能を基本とした進化型多目的最適化アルゴリズムの方がcore間の解探索精度の低下問題に有効となる可能性を考えて、群知能に関して精力的に研究を進めている中国の若手研究者と国際研究協力を開始した。

（1）对于MOEA/D这种典型的注重权重向量分解的方法，通过观察单CPU上理想点的变化，我们发现虽然初始阶段有突变，但有在解决方案搜索的过程中逐渐发生变化，我们调查分析发现有变化的趋势。基于本实验的结果，我们研究了一种在观察理想点变化的同时，自主自适应地确定调整理想点值的适当间隔的方法，作为权重向量的参考。具体来说，将搜索过程中的几个理想点（具有不同代数）的值作为样本数据，并使用最小二乘法等统计优化方法对核之间的理想点值进行修正。研究了确定迁移间隔的方法并开始了评估实验。 (2) 此外，假设更大的并行环境，我们研究了一种基本上独立估计每个核心的理想点的方法。具体来说，所有核在搜索过程中共享非劣解集边缘的权向量，剩余的权向量尽可能均匀地分配给每个核（使用求模运算等），提出了并行分布式方法。另外，为了加强维持Pareto前沿扩散的能力，在基因操作产生后代时，使用T邻域内随机选择的两个个体作为父个体，与原来的MOEA/D中一样，我们决定使用权重向量所持有的个体作为父个体。我们对该方法进行了简单的评估实验，并获得了有效的实验结果，并在ACM/SIGEVO主办的国际会议GECCO的海报会议上提交并接受。 (3)未来在考虑具有互易性的多目标问题的解决方案时，由于存在核间解搜索精度下降的问题，基于群体智能的进化多目标优化算法将比当前的遗传算法更有效。我们已经开始与正在积极研究群体智能的年轻中国研究人员进行国际研究合作，考虑到它在群体智能领域可能有效的可能性。

项目成果

マルチタスク学習のためのオンラインFine-Tuning における動的パラメータ調整手法の検討

多任务学习在线微调动态参数调整方法研究

• 发表时间: 2023
• 作者: 佐藤 陽斗;佐藤 裕二
• 通讯作者: 佐藤 裕二

多目的最適化ライブラリPymoo を用いた分散NSGA-II 評価環境の構築

使用多目标优化库Pymoo构建分布式NSGA-II评估环境

• 发表时间: 2023
• 作者: 小林良輔;佐藤未来子;佐藤裕二
• 通讯作者: 佐藤裕二

Adaptive PBI for Massively Parallel MOEA/D in a Distributed Memory Environment

• DOI: 10.1109/cec55065.2022.9870272
• 发表时间: 2022-07
• 期刊: 2022 IEEE Congress on Evolutionary Computation (CEC)
• 作者: Yuji Sato;Tomoya Hirayama;Ryo Ikami

A Twinning Memory Bare-Bones Particle Swarm Optimization Algorithm for No-Linear Functions

• DOI: 10.1109/access.2022.3222530
• 发表时间: 2023
• 期刊: IEEE Access
• 影响因子: 3.9
• 作者: Haiyang Xiao;Jianzhong Guo;Binghua Shi;Yi Di;Chao Pan;Ke Yan;Yuji Sato

Comparison of Evolutionary Multi-Objective Optimization Algorithms Using Imitation Game

使用模仿博弈的进化多目标优化算法比较

• 发表时间: 2022
• 作者: Yuji Sato;Yoshihisa Murakawa
• 通讯作者: Yoshihisa Murakawa