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）关于MOEA/D是一种具有代表性的方法，侧重于体重向量的分解，我们研究并分析了这一点，通过观察单个CPU中理想点的变化，初始阶段发生了迅速变化，但倾向于转向解决方案搜索中间的逐渐变化。基于该实验的结果，我们研究了一种自主自治地确定适当的间隔以调整理想点值的适当间隔的方法，这是权重矢量的参考，同时观察理想点的变化。具体而言，我们研究了一种使用统计优化方法（例如最小二乘方法），使用搜索过程中的几个理想点（不同世代）作为样本数据的统计优化方法（例如最小二乘方法）来确定迁移间隔，以纠正核心之间的理想点值，并开始进行评估实验。 （2）此外，在假设较大的平行环境中，我们研究了一种方法，该方法可独立于每个核心估算理想点。具体而言，我们提出了一种平行分布方法，其中在所有内核之间共享了搜索过程中非上溶液集的边缘的重量向量，并且将剩余的重量向量均匀地分配给每个核心（尽可能多地使用Modulo操作等）。此外，为了增强在遗传操作中维持帕累托阵线传播的能力，以产生儿童个体，而不是将两个随机选择的个体作为原始的MoeA/D作为原始的MOEA/D，而是使用一个父母使用体重向量持有的个体。该方法被用作简单的评估实验，以获得有效的实验结果，并在ACM/Sigevo主持的国际会议上提交了海报会议。 （3）未来，考虑到与共同性的多目标问题的解决方案，我们已经开始与正在积极研究群智能的年轻研究人员进行国际研究合作，因为考虑到基于群体智能的进化多目标优化算法的可能性比降低核心搜索的精确度更高，而在核心搜索方面将更有效，而不是在核心搜索方面更有效。

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

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

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

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