期待改善量と一般化包絡分析法を用いたパレート最適解の生成法

摘要

遺伝的アルゴリズムやparticle swarm optimization rnなどのようなメタヒューリスティック方法による多目的rn最適化に関する研究が盛んに行われている．これらの方rn法は多点探索を行うという特徴をもち，2，3目的の場合rnパレート最適解集合を生成するのに有用であることも検rn証されている．このようなアプローチでは探索過程におrnいて解の多様性（目的空間上でなるべく広く分布させるrnこと）維持や収束性（なるべく早く真のパレートフロンrnティアに近づかせること）が大きな課題であり，そのたrnめに様々な工夫がされている．rn本論文では，とくに収束性の向上を図るために，期rn待改善量（expected improvement）と一般化包絡分析rn法（generalized data envelopment analysis）を用いたrnパレート最適解の生成法を提案し，数値例を通じて本提rn案手法の有効性について検証する．%Evolutionary optimization methods, for example, genetic algorithms and particle swarm optimization have been applied for solving multi-objective optimization problems, and have been observed to be useful for generating Pareto optimal solutions. In order to generate good approximate and well-distributed Pareto optimal solutions with a small number of function evaluations, this paper suggests a new recombination method by utilizing expected improvement and generalized data envelopment analysis in a real-coded genetic algorithm. In addition, the effectiveness of the proposed method will be investigated through several numerical examples, by comparison with the conventional methods.