多目的最適化問題のための 多目的GAと単一目的GAの 分散協力型モデル Distributed Cooperation model of MOGA and SGA for Multiobjective Optimization Problems ○ 同志社大学 廣安 知之 同志社大学 三木 光範 同志社大学大学院 奥田 環 同志社大学大学院 渡邉 真也 ■ 多目的最適化問題 • 複数の評価基準(目的関数) • 各評価基準との間にトレードオフの関係 → 完全な最適解が存在しない パレート最適解 → 他の任意の解と比較して 総合的に劣らない解 パレート最適解集合の探索 可能領域 弱パレート最適解 パレート最適解 ■ 遺伝的アルゴリズムの適用 遺伝的アルゴリズム(Genetic Algorithms:GA) → 多点探索 一度の探索でパレート最適解集合を求めることが可能 → 多目的最適化問題に 遺伝的アルゴリズムを適用した 多目的遺伝的アルゴリズム (Multi Objective GA: MOGA) に関する研究が多くなされている ■ 研究背景 多目的GA(MOGA)において,対象とする問題が難しくなる → 広範囲に分布するパレート解集合を得ることが困難になる 目的:広範囲に分布するパレート最適解 • • 多目的GA個体群(MOGA個体群):多目的のパレート解の探索 単一目的GA個体群(SGA個体群):各目的関数の最適解の探索 多目的分散協力型モデル Distributed Cooperation model for Multiobjective Genetic Algorithms ■ DCMOGA ー2目的の場合- 1. 2. 3. 4. 5. 6. 7. 初期個体の生成 評価計算 選択 交叉 突然変異 移住(解交換) 終了条件 ■ DCMOGA ー2目的の場合- 1. 2. 3. 4. 5. 6. 7. 初期個体の生成 評価計算 選択 交叉 突然変異 移住(解交換) 終了条件 ■ DCMOGA ー2目的の場合- 1. 2. 3. 4. 5. 6. 7. 初期個体の生成 評価計算 選択 交叉 突然変異 移住(解交換) 終了条件 ■ DCMOGA ー2目的の場合- 1. 2. 3. 4. 5. 6. 7. 初期個体の生成 評価計算 選択 交叉 突然変異 移住(解交換) 終了条件 ■ 多目的0/1ナップサック問題 0/1ナップサック問題とは, 荷物(item)のセット → “重量”と“価値” ナップサック → 重量制限 → 総価値が最大になる荷物の組み合わせ 多目的0/1ナップサック問題 – 複数のナップサックと荷物のセット – 代表的なテスト問題 (Eckart Zitzler) ナップサック数 2 2 荷物数 750 250 ■ アンテナ問題(1) 領域内の候補サイトの中から 設置するサイトとアンテナの種類を決定 設置するサイト 候補サイトの中から アンテナを設置する サイトの決定 アンテナの種類 電波の強さとコストの異なる 3種類のアンテナから決定 ■ アンテナ問題(2) 目的 • 電波のカバー領域の最大化 • 設計コストの最小化 →目的間にトレードオフの関係 制約条件 • 電波の重なり(50%以上) • 電波のカバー領域(80%以上) • アンテナのコスト(1000以下) ■ 数値実験 対象問題 • 多目的0/1ナップサック問題 • アンテナ問題 適用した手法 • 従来の多目的GA(MOGA) → ランキング法 + パレート保存戦略 • 多目的分散協力型モデル(DCMOGA) GAオペレータ・パラメータ 交叉 一点交叉 1.0 突然変異 ビット反転 400 / 80 個体数 1/染色体長 ■ 数値実験結果(1) 多目的0/1ナップサック問題 荷物数:250 荷物数:750 ■ 数値実験結果(2) アンテナ問題 DCMOGA MOGA 150 140 130 カバー率:0.977 コスト:100 120 110 100 90 カバー率:0.828 コスト:65 80 70 60 50 0.8 0.85 0.9 0.95 1 ■ 数値実験結果(3) カバー率:0.977 コスト:100 カバー率:0.828 コスト:65 ■ 結論 多目的0/1ナップサック問題とアンテナ問題に 従来のMOGAとDCMOGAを適用した DCMOGAは従来のMOGAと比較して, 多目的0/1ナップサック問題 – より広範囲に分布したパレート解を得ることができた – 精度においても同等以上の結果となった アンテナ問題 – 広範囲に分布するパレート解に関しては 精度の良いパレート解を得た DCMOGAは有効な手法である ■ ■ DCMOGA(1) 目的:広範囲に分布するパレート最適解 MOGA個体群:多目的のパレート解の探索 SGA個体群:各目的関数の最適解の探索 ■ DCMOGA(2) ■ DCMOGAパラメータ MOGA個体群 個体数 交叉率 突然変異率 移住率 SGA個体群 400 1.0 4 1.0 1/染色体長 1/染色体長 1回目:MOGA個体群が10世代後 (10×400 [評価計算] ) SGA個体群1000世代後 (1000×4 [評価計算] ) 2回目以降:各個体群の最適解を比較して 次回の移住までの評価回数を決定する ■ パレートランキング法 • 解の優劣関係に基づいて ランクを定める. • 個体xがn個の個体に優越 されているときの個体xの ランクrx (Fonsecaら) rx 1 nx A(1) G(4) B(1) C(1) F(2) D(1) f1(x) E(1)
© Copyright 2024 ExpyDoc