Surrogate-assisted Evolutionary Algorithm

This paper presents a novel surrogate-assisted evolutionary algorithm based on scalarization function approximation, which is designed to strengthen its robustness against this deterioration. The proposed algorithm, called SFA/DE, constructs an approximation model for each scalarization function defined in a decomposition-based framework. Each decomposed problem is then solved using multiple independent models trained for its neighbor problems.

進化計算シンポジウム2023（小田原お堀端コンベンションホール，小田原，12/21-23）にて発表を行いました．また，オープンスペースディスカッションの運営にも携わりました．開催にご尽力くださった方々に感謝いたします．

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．

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．

進化計算シンポジウム2023にて発表を行います．

ACM The Genetic and Evolutionary Computation Conference 2023（GECCO 2023，アルティスグランドホテル，リスボン，ポルトガル，7/15-19）にてポスター発表を行いました．SIGEVO Summer School (S3) にも参加しました．開催にご尽力くださった方々に感謝いたします．

GECCO 2023 にて発表を行います．

This paper utilizes the expected gradient of the Gaussian Process (GP) in a surrogate-assisted evolutionary algorithm. Specifically, our proposal iteratively runs a quasi-Newton method (L-BFGS-B) changing initial points on multiple GPs constructed to approximate the promising region of the objective function.

進化計算シンポジウム2022（北海道大学 学術交流会館，札幌，12/16-18）にて発表を行い，IEEE CIS Japan Chapter Young Researcher Award とプレゼンテーション賞を同時受賞しました．また，オープンスペースディスカッションの運営にも携わりました．開催にご尽力くださった方々に感謝いたします．

適応候補のサロゲートが推薦した解が解更新に成功したかどうか基づいてサロゲートを選択する，新しい適応サロゲート進化計算を提案する．