共分散行列適応進化戦略と深層学習を用いたトポロジー最適化の高速化に関する検討

摘要

本研究では，進化計算型トポロジー最適化の計算速度を加速する検討として，従来の遺伝的アルゴリズムに代わり，CMA-ESを導入した場合の効果について検討した。その結果，CMA-ESを用いた場合の方が，最適化計算が早く進み，NGnet法の最適化アルゴリズムとして効果的であることを示した。また，代理モデルとして深層学習を用いて，CMA-ESによるトポロジー最適化計算中に援用した。深層ネットワークとして，回帰型とautoencoderを組み合わせたマルチタスク型のネットワークを用いて，CMA-ESのパラメータ更新に用いる解候補群の評価順判定への活用と，未知データの判定を併用する方法をとった。数値実験として，回帰型ネットワークの出力が不正になりやすい設定で計算した結果，未知データかどうかの判定があれば，代理モデルが適切に動作することを確認した。ただし，本研究で用いたモデルでは，未知データ判定をすると代理モデルの利用回数が減少してしまい，より詳細な検討が必要と分かった。