解更新の成功実績を選定基準とする適応サロゲート進化計算
概要
機械学習により解評価を代替するサロゲート進化計算（SAEA）では，最適化性能はサロゲートの性能に依存するため，これを適切に選択することが重要である．近年では，一回の最適化プロセス中にオンラインにモデル適応を行う適応SAEAが主流である．しかしながら，SAEAの探索効率を向上させるサロゲートの有効な性能指標は定まっておらず，目的関数値に対する推定誤差や順位相関などが使用されてきた．高々数百から数千程度の学習データの下では，これらの性能指標は信頼性に欠け，推定誤差が最小のサロゲートを用いてもSAEAの性能が改善しない場合がある．そこで本研究では，評価値の高い解を実際に発見できたか否か，つまり，解更新の成功実績をサロゲートの選定基準とする適応SAEAを提案する．実験では，CEC2013ベンチマークセットで提案手法が最先端のSAEAよりも優れた性能を導出することを示す．また考察では，解更新の成功実績を選定基準とする適応の妥当性を，解更新成功率などの観点から定量的に検証する．
文献種別
収録
第16回進化計算シンポジウム講演論文集, pp. 177–184
参考
- IEEE CIS Young Researchers Awardとプレゼンテーション賞を同時受賞しました．
- 本サイトの全ての添付ファイルは著者バージョンであり，出版バージョンと一致しない可能性があります．
