抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
関数最適化問題に対する有力な進化計算アルゴリズムであるCMA-ES(Evolution Strategy with Covariance Matrix Adaptation)は探索過程でパラメータを更新し,正規分布を用いた突然変異によって効率・精度を高めながら解空間を探索する。具体的には,突然変異分布の共分散行列を大域的分散とそれ以外の情報(共分散)に分け,前者をSSA(Step Size Adaptation),後者をCMA(Covariance Matrix Adaptation)が適応することで高い探索効率を発揮する。本論文では,集団サイズが大きい場合に注意深くパラメータを設計しても非効率な探索を招く問題の解決を図り,進化パスの大きさと分散推定量を適切な割合で活用するHAS(Hybrid SSA)を提案した。また,CMAによる大域的分散の更新を防いでSSAとCMAの機能分担を実現するために,共分散を更新するたびに正規化を行うFS-CMA-ES(Functionally Specialized CMA-ES)を提案した。4つの単峰性関数を用いて局所的探索性能の評価を,多峰性関数を用いて大域的探索性能評価を行ったところ,最大で50%程度の探索効率を改善でき,特に集団サイズが大きい場合に改善効果が高くなった。