SAWデュプレクサの多数目的最適化に対する差分進化の適用
全文
(2) Vol.2014-MPS-97 No.4 2014/3/3. 情報処理学会研究報告 IPSJ SIG Technical Report. 題は,式 (4) の多数目的最適化問題として記述できる. ⎡ minimize f(x) = (f1 (x), · · · , f7 (x)) ⎣ (4) subject to ∀m ∈ {1, · · · , 7}; fm (x) ≤ gm. 0.36. objective: 2. 0.34. 3. DENMHO のアルゴリズム. 0.32 0.3 0.28. DEMHO は DEMO[3] を拡張したものであり,集団サイズ. 0.26 0.22. 0.24. を NP として DE に基づき現世代の集団 xi(i = 1, · · · , NP ) から次世代の集団 P を生成する.その結果,個体数 |P | が. 0.26. objective: 5. 0.28. 0.3. 図 2 選択方法 1 による非劣解の分布. |P | > NP になると集団 P に選択操作を適用して |P | を NP 0.36. に戻す.以下に2種類の選択操作を記述する.. 0.34. objective: 2. 選択操作1は実行可能解と実行不可能解を区別する.実 行可能解は実行不可能解よりも優先して選択され,実行不 可能解は式 (5) の違反量に基づいて評価される.. [選択操作1]. 0.3 0.28. 手順 1. 実行可能解の集合を求める.. 手順 2. 集団内の実行可能解が NP より多いとき,解の優. 0.26 0.22. 越関係に基づくランク付け [4],同一ランクの個体は. 表 1. 集団内の実行可能解が NP より少ないとき,手順. 3.1 から手順 3.3 により良い NP 個の解を選択する. 手順 3.1. 全ての実行可能解を選択する.. 手順 3.2. 実行不可能解に対して違反量 η( x)を計算する.. 0.24. 0.26. objective: 5. 0.28. 0.3. 図 3 選択方法 2 による非劣解の分布. PEH による評価に基づき NP 個の実行可能解を選ぶ. 手順 3. 0.32. 実行可能な非劣解集合の比較 Hypervolume. 選択方法. 解の個数. 1. 322. 1.678. 2. 318. 1.841. 作1と選択操作2の実行可能な非劣解集合の比較をしてい. η(x) = max {(fm (x) − gm )} 1≤m≤7. 手順 3.3. (5). 実行不可能解を違反量の降順に選択する.. 選択操作2は実行可能解は実行不可能解に優先して選択 する.また,実行不可能解は2つの方法で選択する.実行 不可能解の数が NS (NP > NS ≥ 0)より大きいとき,実 行不可能解の選択には選択操作1を使用する.そうでない 場合,実行可能解と同様に,ランクと PEH に基づき実行 不可能解を評価して選択する.. [選択操作2] 手順 1. 実行可能解の集合を求める.. 手順 2. 集団の実行可能解の数が NS 以上のとき,選択操. 作1を使い良い NP 個の解を選択する. 手順 3. 集団の実行可能解の数が NS より少ないとき,手. る.選択操作1は選択操作2より得られた解の個数が多い が,選択操作2は選択操作1より Hypervolume が大きく 良い近似値を得られることがわかる.. 5. おわりに DEMHO アルゴリズムの2種類の選択操作を SAW デュ プレクサの電極の構造設計問題を使って比較した.その結 果,選択操作2は選択操作1よりも多様で質の高い非劣解 集合が得られることを確認した.. 6. 参考文献 参考文献 [1]. 順 3.1 から手順 3.4 により良い NP 個の解を選択する. 手順 3.1. 全ての実行可能解を選択する.. 手順 3.2. 実行不可能解をランク付けする.. 手順 3.3. ランクの昇順に実行不可能解を選択する.. 手順 3.4. 同一ランクの実行不可能解の集合から PEH の. [2]. [3]. 降順に解を選択する.. 4. 実験結果 図 2 と図 3 に目的関数空間における実行可能な非劣解の 分布を示す.図 2 と図 3 より選択操作2は選択操作1より. [4]. R. Storn and K. Price: Differential evolution - a simple and efficient heuristic for global optimization over continuous space, Journal of Global Optimization, Vol. 11 , No. 4, pp. 341-359 (1997) 今村晃啓, 田川聖治: 多数目的最適化問題に対する差分進 化の適用, 情報処理学会関西支部 支部大会 講演論文集, B-101 (2013) T. Robic and B. Filipic: DEMO: differential evolution for multiobjective optimization, In Proceedings of the 3rd International Conference on Evolutionary Multicriterion Optimization (EMO’05), pp. 520-533 (2005) K. Deb, A. Pratap, S. Agarwal, and T. Meyarivan: A fast and elitist multiobjective genetic algorithm: NSGAII. IEEE Trans. on Evolutionary Computation, Vol. 6, No. 2, pp. 182-197 (2002). 多様な解を得られていることが確認できる.表 1 は選択操. c 2014 Information Processing Society of Japan . 2.
(3)
関連したドキュメント
情報理工学研究科 情報・通信工学専攻. 2012/7/12
最大消滅部分空間問題 MVSP Maximum Vanishing Subspace Problem.. MVSP:
参考文献 Niv Buchbinder and Joseph (Seffi) Naor: The Design of Com- petitive Online Algorithms via a Primal-Dual Approach. Foundations and Trends® in Theoretical Computer
Lu, “On the existence of periodic solutions for a kind of high-order neutral functional differential equation,” Journal of Mathematical Analysis and Applications, vol. Wang,
The complexity of dynamic languages and dynamic optimization problems. Lipschitz continuous ordinary differential equations are
I Samuel Fiorini, Serge Massar, Sebastian Pokutta, Hans Raj Tiwary, Ronald de Wolf: Exponential Lower Bounds for Polytopes in Combinatorial Optimization. Gerards: Compact systems for
Yin, “Markowitz’s mean-variance portfolio selection with regime switching: a continuous-time model,” SIAM Journal on Control and Optimization, vol... Li,
In order to demonstrate that the CAB algorithm provides a better performance, it has been compared to other optimization approaches such as metaheuristic algorithms Section 4.2