著者

廣安 知之 石田 裕幸 三木 光範 横内 久猛

出版者

同志社大学

雑誌

同志社大学理工学研究報告 (ISSN:00368172)

巻号頁・発行日

vol.50, no.1, pp.24-33, 2009-04

---

一般的な進化的多目的最適化手法は、目的数の増加に伴い、導出される解集合の精度が著しく悪化する。この問題に対し、選択圧の強化、探索領域の削減、評価指標の利用など、様々な進化的多目的最適化手法の改良が行われてきた。そこで本稿では、これら手法の探索の様子を確認することにより、多数目的最適化の問題点について述べた。多数目的最適化における探索の問題点は2種類に分類される。1つ目は、パレート最適フロントへの収束が難しいことである。これは、探索中の選択圧の低下や、目的関数空間の広さに対する探索解数の少なさによってもたらされることを確認できた。2つ目は、探索解集合の多様性維持が難しいことである。選択圧を高めることによりパレート最適フロントへ収束したとしても、解集合の多様性が失われてしまうことを確認できた。これらの問題点を考慮し、探索領域を削減する手法の例として、意思決定者の選好情報を利用する手法の探索を確認したところ、解集合の精度と多様性にはトレードオフの関係がみられた。Well-known Evolutionary Multi-objective Optimization (EMO) algorithms, such as NSGA-II and SPEA2, show rapid degradation of accuracy with increasing number of objectives. To solve this problem, EMO algorithms have been modified by strengthening selection pressure, limitation of search area in the objective space, and use of indicator functions, etc. Here, we describe the difficulties of the search in many-objective space by examining the search of some modified EMO algorithms. The difficulties can be divided into two classes. The first is the difficulty of convergence toward the Pareto-optimal front, which was confirmed to be due to weak selection pressure and disproportion between the extent of search area and the number of solutions. The second is the difficulty of diversity maintenance; it was confirmed that the solutions lost their diversity even if they converged toward the Pareto-optimal front by strengthening the selection pressure. For these difficulties, we examined the search of a preference-based algorithm as an example of a strategy limiting the search area. We demonstrated a trade-off relation between accuracy and diversity through computational experiments.