Mitsunori Miki

Mass Simulations Based Design Approach and its Environment: Multi-Objective Optimization of Diesel Engine with Distributed Genetic Algorithm using iSIGHT MOGADES and HIDECS

In this paper, a new design approach is discussed, which makes designer’s decision makings easier and more effective with multi-objective optimization technology. Since proposed approach is based on numbers of simulation run, it is called “mass based” approach. It enables designer to investigate his problem with wide parameter ranges considering those interactions easily and quickly. First, background of the proposed approach and its software/hardware environment are introduced. Then multi-optimization problem and genetic algorithms are discussed for decision making problem. Finally, engineering application of proposed approach is discussed about optimization of Diesel engine under economical requirement and environmental requirements.

120 Offspring Generation Method for interactive Genetic Algorithms considering Multimodal Preferences and Dependencies

近年,嗜好情報に基づいてユーザに対する挙動を変化さ せるシステムが増加している.ショッピングサイトにおけ る商品推薦はその 1つである.これらのシステムを実現 する推薦手法としては協調フィルタリング (collaborative filtering) 2) とコンテンツに基づいたフィルタリング (contents-based filtering)の2つに大別できる .コンテンツ に基づいたフィルタリングでは,ユーザの行動履歴から獲 得した嗜好情報をモデル化するフェーズが必要となる.嗜 好をモデル化するアプローチには,ユーザの行動履歴や対 象となる情報の特徴量をベクトルで表現するベクトル空間 モデルや,嗜好を適合度関数でモデル化するアプローチが 存在する.後者の嗜好の適合度関数は,入力を対象となる 情報,出力を嗜好への適合度とする関数であり,適合度の最 大化を行うことでユーザに提示する情報を最適化すること が可能である.しかし,ユーザの嗜好を表現する適合度関 数を予め把握することは難しい.そのため,ユーザとのイ ンタラクションによって適合度関数を推定し,対象の最適 化を行う手法として対話型遺伝的アルゴリズム(interactive Genetic Algorithms: iGAs) が提案されている. iGAは,ユーザの主観的評価に基づいて感性情報の獲得 とその解析を行う手法として知られており,数値化が難し い補聴器のパラメータ調整など,嗜好が単峰性である問題 に多く適用されている.本研究ではこれに対して嗜好が多 峰性であり,その適合度値の優劣が顕著でない問題にも対 応した iGAの実現を目指す.このような多峰性の問題とし ては,ショッピングサイトにおける商品提示に iGAを利用 する場合などが考えられる.例えば,商品を選択する場合 には複数の好みが同時に存在する可能性があり,そのよう な状況ではすべての好みを反映した提示を行うことが売上 の向上やユーザの満足に繋がる.また,それぞれの好みに おいて設計変数間に依存関係が存在する場合は,それらの 依存関係を考慮した探索を行う必要がある. iGAでは人間が評価を行うため,探索世代数が通常の遺 伝的アルゴリズム(Genetic Algorithms: GAs) と比較して 少なく,個体生成を行う交叉のフェーズが探索に大きな影 響を与える.そこで本研究では,商品推薦のように嗜好が 多峰性でかつ,それぞれの峰のピーク値の差が有意に認め られない場合や,設計変数間に依存関係がある場合でも, iGAの探索が有効に働くような個体生成方法について検討 する.提案手法では,ユーザが評価した個体に対してクラ スタリングを適用し,各クラスタ内で構築した確率モデル に基づいて個体生成を行う.提案手法の有効性は,Tシャ ツを対象商品とする擬似的な商品選択システムを構築し, 被験者実験を行い検証する.

117 Topology Structural Optimization Using A Hybrid of GA and ESO Methods

To design a more economical structural form, it is necessary to optimize both the topology and shape of structures. To optimize topology, we propose a hybrid of Genetic Algorithm (GA) and Evolutionary Structural Optimization (ESO). This paper describes the considerations in applying the proposed method to topology structural optimization. Through numerical examples, the proposed method showed better search ability than GA or ESO methods alone. Moreover, this hybrid method makes it possible to design a more economical structural form.

Parallel Simulated Annealing with Indipendent Adaptive Neighborhood determined by Evolutionary Computation

Simulated annealing (SA) is an effective general heuristic method for solving many optimization problems. This paper deals with two problems in SA. One is the long computational time of the numerical annealings, and the solution to it is the parallel processing of SA. The other one is the determination of the appropriate neighborhood range in SA, and the solution to it is the introduction of an adaptive mechanism for changing the neighborhood range. The multiple SA processes are performed in multiple processors, and the neighborhood ranges in the SA processes are determined by the evolutionary computation. The proposed method is applied to solve many continuous optimization problems, and it is found that the method is very useful and effective. 1 はじめに Simulated Annealing(:SA) はMetropolisらが 1953 年に発表した焼き鈍しと呼ばれる加熱炉内の固体の冷却 過程をシミュレートするアルゴリズムに端を発し,最適 化問題,特に組合せ最適化問題を解く汎用近似解法の 1 つとして用いられている 2, 3) .SAは組合せ最適化問 題に特に有効な手法であるが,連続最適化問題において も対象とする問題の複雑度が高い場合には多く用いられ ている.しかし,SAにおけるパラメータの影響は大き く,特に近傍と温度の調節によって解の精度は大きく異 なる 4) . 連続最適化問題に SAを適用する場合には近傍はユー クリッド空間内での距離に関係し,自由に決めることが できる.一般的に,その近傍幅の大きさにより,エネル ギーの変化量も変化し,しかも,その変化量はエネル ギー関数に大きく依存する.このため,連続最適化問題 に SAを適用する場合,近傍幅の設計は探索性能に大き く影響する.このような問題に対して,SAにおける解 の受理率を用いて近傍幅の調節を行うアルゴリズム 3, 5) も提案されているが,これらは受理率に依存した調節メ カニズムであり,目標とする受理率を予備実験より決定 する必要がある. また,SAには膨大な計算量を要するという欠点があ る.そこで,SAの計算時間を短縮するための並列処理 は,並列計算機の発達とともに有効なアプローチとして 様々な研究がなされている 6) が,いずれの方法にして も SAのパラメータに関しては経験的にしか与えられて いないという問題は残る. そのため,本研究では連続最適化問題に SAを適用す る場合に重要となる近傍に注目し,近傍の並列化という 新たなアプローチから適応的な近傍幅の調節を行う並列 SAを提案する.そして,代表的な数学関数最小化問題 に提案手法を適用し,その有効性を検証する. 近傍幅の調節メカニズムには進化的計算法 (Evolutionary Computation)を用い,並列 SA上への実装により, 近傍幅の調節を自動化できる.また,近傍幅の並列化に より並列処理も可能であり,計算量の問題も克服できる. 2 最適な近傍幅の設定 連続最適化問題において近傍幅が解精度に与える影 響を検証するために,数学的テスト関数を取り上げた. そして,これらの問題に様々な種類の近傍幅を与え,ア ニーリングを複数回数試行し,それぞれの近傍幅で得た 解の精度を比較した.Fig. 1に Rastrigin関数に対する 実験結果を示す.横軸は各試行での近傍幅,縦軸にその ときに得られたエネルギー値を示す.本実験は最小化問 題であるため,エネルギーが低い方が良好である.なお, 結果は 30 回試行の中央値である. Fig. 1 Rastrigin関数に対する近傍幅と得られた解精度 の関係

Feature Selection for Pattern Recognition using Genetic Algorithms

画像認識は種々のパターン認識問題において重要な研 究課題の一つである.人間は網膜上に投影された 2次元 像から,色,輪郭,形状等の特徴を選択的に抽出し,そ れらの情報を統合することによって物体を識別している. 特徴選択は,与えられた特徴量の中から識別に有用な特 徴量の組み合わせを選択するものであり,識別系におけ る計算コストの低減,また識別器の識別能力の向上をも たらすことになる.特徴選択法を確立するためには,特徴 評価関数とその最適化手法を定めなければならない.全 ての組み合わせを評価する総当り法による識別は,評価 に要する計算量が膨大となる.そこで,より少ない計算 量でどの程度よい特徴を選択できるか,ということが重 要な課題となる. 本研究では,同一物体が異なる見え方を示す場合にお ける画像認識において,遺伝的アルゴリズムによって識 別処理に使用する特徴量の組み合わせを適応的に決定す る手法の提案を行う.また,実画像を用いた識別処理を 行うことにより,有効性の検証を行う.