文献

J-GLOBAL ID：201902265731577270   整理番号：19A1290748

推定収束点を用いた進化的多目的最適化の探索加速【JST・京大機械翻訳】

Search Acceleration of Evolutionary Multi-Objective Optimization Using an Estimated Convergence Point

著者 (3件)： Pei Yan (Computer Science Division, University of Aizu, Aizuwakamatsu 965-8580, Japan) ,  Yu Jun (Graduate School of Design, Kyushu University, Fukuoka 815-8540, Japan) ,  Takagi Hideyuki (Faculty of Design, Kyushu University, Fukuoka 815-8540, Japan)
資料名： Mathematics (Web)  (Mathematics (Web))
巻： 7  号： 2  ページ： 129  発行年： 2019年 
JST資料番号： U7239A  ISSN： 2227-7390  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 推定収束点を用いて進化的多目的最適化(EMO)探索を加速する方法を提案した。最終世代から現在の世代へのPareto改良は,目的空間とパラメータ空間の両方における有望なパレート解領域の情報を支持する。この情報を用いて,移動ベクトルの集合を構築し,これらの移動ベクトルから非支配Pareto点を推定した。本研究では,移動ベクトルを構築するための異なる方法を用い,EMO探索を加速するために移動ベクトルを用いて推定した収束点を用いることを試みた。評価結果から,パレート改善の景観は目的空間において単一モード分布特性を有し,パラメータ空間において多重モード分布特性を有することを見出した。著者らの提案した方法は,Pareto改良の景観がパラメータ空間において単一モード分布特性を持つとき,EMO探索を強化することができて,また,パレート改良の景観がパラメータ空間において多モード分布特性を持つときにも,機会によって,それはさらにあった。提案した方法は,従来の非支配的ソート遺伝的アルゴリズム(NSGA)-IIアルゴリズムと比較して,より多くのパレート解を得ることができるだけでなく,パレート解の多様性も増加させることができた。これは,著者らの提案方法がPareto優性と解法多様性の両方においてEMOの探索能力を強化することができることを示した。また,移動ベクトルを構築する方法が,提案した方法の成功のための主要な問題であることを見出した。いくつかの評価尺度と統計的試験によりこの方法を解析し,検討した。提案した方法は確率的最適化アルゴリズムにおける決定論的学習法を埋め込むEMOを強化する可能性を有している。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ソーティング ,  布特性 ,  単一モード ,  学習 ,  *最適化 ,  遺伝的アルゴリズム ,  多モード ,  優性 ,  アルゴリズム
準シソーラス用語： 決定論 ,  評価尺度 ,  パレート改善 ,  移動ベクトル ,  Pareto解 ,  パラメータ空間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 進化的多目的最適化 ,  収束点 ,  加速探索 ,  進化的計算 ,  最適化

分類 (1件)： ゆらぎ,ランダム過程,Brown運動,輸送過程の一般的理論  (BA08020B)

引用文献 (37件)：

• Li, B.; Li, J.; Tang, K.; Yao, X. Many-objective evolutionary algorithms: A survey. ACM Comput. Surv. 2015, 48, 13.
• Jin, Y. A comprehensive survey of fitness approximation in evolutionary computation. Soft Comput. 2005, 9, 3-12.
• Jin, Y.; Olhofer, M.; Sendhoff, B. A Framework for evolutionary optimization with approximate fitness functions. IEEE Trans. Evol. Comput. 2002, 6, 481-494.
• Jin, Y. Surrogate-assisted evolutionary computation: Recent advances and future challenges. Swarm Evol. Comput. 2011, 1, 61-70.
• Witkin, A.P. Scale-space filtering. In Proceedings of the 8th International Joint Conference Artificial Intelligence, Karlsruhe, Germany, 8-12 August 1983; pp. 1019-1022.

タイトルに関連する用語 (4件)： 推定 ,  進化的多目的最適化 ,  探索 ,  加速