パレート最適なサロゲート群を利用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サロゲートを選択する適応SAEAが盛んに研究されている。既存の適応SAEAでは，目的関数値に対する推定誤差などの近似精度指標でサロゲートを選択することがほとんどである。しかしながら，目的関数を忠実に再現することのみが重視された結果，多数の局所解を持つサロゲートが構築され，探索を不要に困難にしている可能性がある．そこで本研究では，近似関数の滑らかさに変化を与えるパラメータを変化させながら，近似精度とサロゲートの複雑性の両方を考慮したサロゲートの選択法を提案する．具体的には，提案法では，近似精度とサロゲートの複雑性を2目的最適化問題とみなし，多目的進化計算でパレート最適なサロゲート群を得る．次に，近似精度の高いサロゲートと，滑らかに近似して問題を易化したサロゲートの両方を活用して，解評価する解を選別する．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．
文献種別
収録
第17回進化計算シンポジウム講演論文集, pp. 380–387
参考
- 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．
