JP5235652B2 - 多目的最適化装置、多目的最適化方法および多目的最適化プログラム - Google Patents
多目的最適化装置、多目的最適化方法および多目的最適化プログラム Download PDFInfo
- Publication number
- JP5235652B2 JP5235652B2 JP2008333202A JP2008333202A JP5235652B2 JP 5235652 B2 JP5235652 B2 JP 5235652B2 JP 2008333202 A JP2008333202 A JP 2008333202A JP 2008333202 A JP2008333202 A JP 2008333202A JP 5235652 B2 JP5235652 B2 JP 5235652B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- decision variable
- evaluated
- objective
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
た解を探す意志決定、またはパレート最適解集合(パレート境界)の形状からの知見の獲得等に用いられる。
Pareto Evolutionary Algorithm 2: 例えば、非特許文献3参照)等が提案されている。特に、NSGA−IIおよびSPEA2は優秀な多目的進化型アルゴリズムとして知られている。
およびNOx濃度)、燃費および出力トルク等の多目的評価となり、これらは一般にトレードオフの関係にある。さらに、電子制御装置およびその制御パラメータの数は増加する傾向にある。そのため、手動による最適化は困難さを増してきている。
適化対象から出力された目的関数の値および最適化対象から出力された制約関数の値が制約条件に違反するか否かを示す制約違反情報を探索履歴として対応付けて記憶する記憶部とを備え、多目的最適化部は、評価すべき決定変数の値を判定する際に、記憶部に記憶された探索履歴から、未評価の決定変数の値により近くかつ所定数の評価済みである決定変数の値を選択し、選択された所定数の決定変数の値に対応する制約違反情報が制約条件の違反を示すか否かに基づいて未評価の決定変数の値を評価すべきか否かを判定するものである。
が可能となる。それにより、パレート最適解の近傍で評価される決定変数の値の範囲を調整することができるとともに、求められるパレート近似解集合とパレート最適解集合との誤差を調整することができる。
る。
図1は本発明の一実施の形態に係る多目的最適化装置の機能的な構成を示すブロック図である。
図2は図1の多目的最適化装置1のハードウエア構成を示すブロック図である。
読み取り方式、磁気的読み取り方式、光学的読み取り方式またはその他のあらゆる読み取り方式の記録媒体を含むものである。例えば、上記のCD、DVDおよびフレキシブルディスクの他、CDV(コンパクトディスクビデオ)等の光学的読取方式記録媒体、RAM、ROM等の半導体記録媒体、ハードディスク等の磁気記録型記録媒体、MO(光磁気ディスク)等の磁気記憶型/光学的読取方式記録媒体を用いることができる。
図3は最適化対象6の構成の一例を示すブロック図である。図3の最適化対象6はエンジン評価装置である。
図4は制約条件について説明するための図である。図4の横軸は時間であり、縦軸は制約関数値である。
次に、探索履歴記憶部3に探索履歴として記憶される探索履歴個体について説明する。
ここで、Lは自然数であり、h1,…,hLはL個の探索履歴個体である。また、C(h1 ),…,C(hL )はそれぞれ探索履歴個体h1,…,hLに対応するL個の制約違反フラグベクトルである。
上式のように、探索履歴個体hはn個の決定変数h1,…,hnの組からなるn次元の決定変数ベクトルである。nは自然数である。
上式において、C1(h),…,CP(h)は、p個の制約関数値がそれぞれ制約条件に違反しているか否かを示すp個の制約違反フラグである。pは自然数である。
各制約違反フラグCi(h)は、探索履歴個体hに対応する制約関数値が危険制約条件を満たしている場合に“0”となり、探索履歴個体hに対応する制約関数値が危険制約条件に違反している場合に“1”となる。
図5は多目的進化型アルゴリズムを説明するための模式図である。また、図6は多目的進化型アルゴリズムを説明するためのフローチャートである。
方法である。混雑度ソートの詳細は後述する。
図7は非優越ランキングを説明するための模式図である。図7では、適応度空間の個体集合が示されている。図7の横軸は1つの適応度関数f1であり、縦軸は他の1つの適応度関数f2である。
図8は混雑度ソートを説明するための図である。図8では、適応度空間の個体集合が示されている。
ークリッド距離を用いる。
図10は本実施の形態に係る多目的進化型アルゴリズム部2による子個体の選別方法を説明するためのフローチャートである。本実施の形態では、生成された子個体を多目的最適化における子個体として採用するか否かを最近傍法を用いて判定する。
図11〜図15は最近傍法による子個体の選別方法の一例を示す概念図である。図11〜図15には、2つの決定変数x1,x2からなる2次元の決定変数空間上の個体が示される。
件に違反する探索履歴個体が生成され得る領域との境界はボロノイ境界と呼ばれる境界となる。制約条件に違反しない探索履歴個体が生成可能な領域をボロノイ領域と呼ぶ。図11〜図15においては、ボロノイ境界の右側の領域がボロノイ領域となる。
子個体xはn個の決定変数x1,…,xnからなる。nは自然数である。
ここで、i=1,…,Lである。上記のように、探索履歴個体の増加に伴って複雑な形状のボロノイ境界を求めることが可能となる。
実行可能領域を調整するために重みパラメータを導入してもよい。この場合、ユークリッド距離dEの代わりに次式により求められる重み付き距離dMを用いる。
上式において、Wiは重みパラメータであり、次式で表わされる。
ここで、i=1,…,Lである。WFは実行可能個体についての重みパラメータであり、WIは実行不能個体についての重みパラメータである。
上記の最近傍法による子個体の選別方法の代わりに、k−NN法(k-nearest-Neighbor Method)による子個体の選別方法を用いてもよい。k−NN法による子個体の選別方法では、生成された各子個体の近傍の複数の探索履歴個体を調べ、実行可能個体と実行不能個体との多数決で各個体の採用および棄却を決定する。
h18となる。
本実施の形態に係る多目的最適化装置1によれば、探索履歴記憶部3に探索履歴個体とともに制約違反フラグが記憶される。多目的進化型アルゴリズム部2は、親個体から生成された各子個体の近傍の所定数の探索履歴個体が実行可能個体であるか実行不能個体であるかに基づいて各子個体を多目的最適化における子個体として採用するか否かを判別する。それにより、子個体の評価により出力される制約関数値が制約条件に違反する可能性が低減される。したがって、制約条件の違反を回避しつつ短時間で精度良くパレート近似個体集合を得ることができる。
以下の実施例1では、数値実験により上記実施の形態に係る多目的最適化装置1による制約条件の違反回数の削減効果について調べた。
離の平均値である。
以下の実施例2では、上記実施の形態に係る多目的最適化装置1を並列4気筒のコモンレールディーゼルエンジンの多段噴射パラメータ最適化に適用した場合を説明する。
図26は実施例2における噴射タイミングおよび噴射量を示す概念図である。
噴射の有無を用いる。SOFおよびすすは、粒子状物質(PM)と呼ばれる排出ガス成分の構成要素である。
た。その後、1世代につき4個の個体で実際のエンジンを評価した。その結果、12世代までは実行不能個体の数は2個以下であることがわかる。それ以降は、実行不能個体の数がやや増加していることがわかる。これは、パレート最適個体集合が実行可能領域の境界付近に存在していることを示唆している。特に、“Pre−selection”アルゴリズムでは、パレート最適個体集合に近い有望な個体が積極的に評価されるため、最終世代に近づくにつれて制約条件に違反する可能性が若干増加していると考えられる。
(a)上記実施の形態では、多目的進化型アルゴリズムとしてNSGA−IIを用いているが、これに限定されず、NSGA−IIの代わりに、SPEA2(非特許文献3)等の同様のアイデアに基づく計算法を用いてもよい。
以下、請求項の各構成要素と実施の形態の各部との対応の例について説明するが、本発明は下記の例に限定されない。
2 多目的進化型アルゴリズム部
3 探索履歴記憶部
6 最適化対象
61 エンジン
62 ECU
63 計測装置
64 制御用コンピュータ
65 超低慣性ダイナモメータ
101 CPU
102 ROM
103 RAM
104 入力装置
105 表示装置
106 外部記憶装置
107 記録媒体駆動装置
108 入出力インタフェース
109 記録媒体
D1〜D6 適応度平面
d1〜d4 長さ
h1,h2,h3,h4,h6,h7,h11,h12,h13,h14,h15,h16,h17,h18,h19 探索履歴個体
I1〜I11 個体
I3,I4,I5,I6,I7,I8,I9,I10,I11,I17,I18,I19 子個体
P 親個体集合
P1 パレート最適個体集合
P2 個体集合
p11〜p17,p21〜p27 個体
s1,s2 長方形
VE1〜VE4 ボロノイ境界
WF,WI 重みパラメータ
x1,x2 決定変数
Claims (8)
- 複数の目的関数を有する最適化対象の決定変数を制約条件の範囲で最適化する多目的最適化装置であって、
多目的最適化において評価すべき決定変数の値を判定し、評価すべきと判定された決定変数の値を前記最適化対象に与えるとともに、前記最適化対象から出力される目的関数の値を用いて多目的最適化を行い、前記最適化対象から出力される制約関数の値が前記制約条件を満たす範囲で決定変数のパレート近似解集合を求める多目的最適化部と、
前記多目的最適化部により評価された決定変数の値、前記最適化対象から出力された目的関数の値および前記最適化対象から出力された制約関数の値が前記制約条件に違反するか否かを示す制約違反情報を探索履歴として対応付けて記憶する記憶部とを備え、
前記多目的最適化部は、評価すべき決定変数の値を判定する際に、前記記憶部に記憶された探索履歴から、未評価の決定変数の値により近くかつ所定数の評価済みである決定変数の値を選択し、選択された前記所定数の決定変数の値に対応する制約違反情報が前記制約条件の違反を示すか否かに基づいて前記未評価の決定変数の値を評価すべきか否かを判定する、多目的最適化装置。 - 前記所定数は1であり、前記多目的最適化部は、評価すべき決定変数の値を判定する際に、未評価の決定変数の値に最も近い1個の評価済みである決定変数の値を選択し、選択された1個の評価済みである決定変数の値に対応する制約違反情報が前記制約条件の違反を示さない場合に前記未評価の決定変数の値を評価すべきと判定し、前記選択された1個の評価済みである決定変数の値に対応する制約違反情報が前記制約条件の違反を示す場合に前記未評価の決定変数の値を評価すべきでないと判定する、請求項1記載の多目的最適化装置。
- 前記所定数はk個であり(kは2以上の自然数)、前記多目的最適化部は、評価すべき決定変数の値を判定する際に、未評価の決定変数の値により近くかつk個の評価済みである決定変数の値を選択し、選択されたk個の評価済みである決定変数の値に対応する制約違反情報が前記制約条件の違反を示すか否かの多数決により前記未評価の決定変数の値を評価すべきか否かを判定する、請求項1記載の多目的最適化装置。
- 前記多目的最適化部は、決定変数空間においてユークリッド距離に基づいて未評価の決定変数の値により近くかつ前記所定数の評価済みである決定変数の値を選択する、請求項1〜3のいずれかに記載の多目的最適化装置。
- 前記多目的最適化部は、決定変数空間において、前記未評価の決定変数の値と制約違反情報が制約条件に違反しないことを示す評価済みの決定件数の値とのユークリッド距離および前記未評価の決定変数の値と制約違反情報が制約条件に違反することを示す評価済みの決定件数の値とのユークリッド距離にそれぞれ重み付けを行い、重み付けが行われたユークリッド距離に基づいて前記未評価の決定変数の値により近くかつ前記所定数の評価済みである決定変数の値を選択する、請求項1〜3のいずれかに記載の多目的最適化装置。
- 前記多目的最適化部は、多目的進化型アルゴリズムにより未評価の決定変数の値を生成する、請求項1〜5のいずれかに記載の多目的最適化装置。
- 複数の目的関数を有する最適化対象の決定変数を制約条件の範囲で最適化する多目的最適化方法であって、
多目的最適化において評価すべき決定変数の値を判定し、評価すべきと判定された決定変数の値を前記最適化対象に与えるとともに、前記最適化対象から出力される目的関数の値を用いて多目的最適化を行い、前記最適化対象から出力される制約関数の値が前記制約条件を満たす範囲で決定変数のパレート近似解集合を求めるステップと、
前記評価された決定変数の値、前記最適化対象から出力された目的関数の値および前記最適化対象から出力された制約関数の値が前記制約条件に違反するか否かを示す制約違反情報を探索履歴として対応付けて記憶部に記憶するステップとを備え、
前記パレート近似解集合を求めるステップは、評価すべき決定変数の値を判定する際に、前記記憶部に記憶された探索履歴から、未評価の決定変数の値により近くかつ所定数の
評価済みである決定変数の値を選択し、選択された前記所定数の決定変数の値に対応する制約違反情報が前記制約条件の違反を示すか否かに基づいて前記未評価の決定変数の値を評価すべきか否かを判定するステップを含む、多目的最適化方法。 - 複数の目的関数を有する最適化対象の決定変数を制約条件の範囲で最適化する多目的最適化方法をコンピュータに実行させる多目的最適化プログラムであって、
多目的最適化において評価すべき決定変数の値を判定し、評価すべきと判定された決定変数の値を前記最適化対象に与えるとともに、前記最適化対象から出力される目的関数の値を用いて多目的最適化を行い、前記最適化対象から出力される制約関数の値が前記制約条件を満たす範囲で決定変数のパレート近似解集合を求める処理と、
前記評価された決定変数の値、前記最適化対象から出力された目的関数の値および前記最適化対象から出力された制約関数の値が前記制約条件に違反するか否かを示す制約違反情報を探索履歴として対応付けて記憶部に記憶する処理とを備え、
前記パレート近似解集合を求める処理は、評価すべき決定変数の値を判定する際に、前記記憶部に記憶された探索履歴から、未評価の決定変数の値により近くかつ所定数の評価済みである決定変数の値を選択し、選択された前記所定数の決定変数の値に対応する制約違反情報が前記制約条件の違反を示すか否かに基づいて前記未評価の決定変数の値を評価すべきか否かを判定する処理を含む、多目的最適化プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008333202A JP5235652B2 (ja) | 2008-12-26 | 2008-12-26 | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008333202A JP5235652B2 (ja) | 2008-12-26 | 2008-12-26 | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010152851A JP2010152851A (ja) | 2010-07-08 |
JP5235652B2 true JP5235652B2 (ja) | 2013-07-10 |
Family
ID=42571828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008333202A Expired - Fee Related JP5235652B2 (ja) | 2008-12-26 | 2008-12-26 | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5235652B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101462349B1 (ko) * | 2013-07-17 | 2014-11-20 | 서울대학교산학협력단 | 생산이력 히스토리 매칭의 최적화 방법 |
CN107169029B (zh) * | 2017-04-13 | 2020-06-23 | 深圳大学 | 一种推荐方法及装置 |
JP7115059B2 (ja) * | 2018-06-21 | 2022-08-09 | 横河電機株式会社 | 最適化装置、最適化方法、およびプログラム |
CN109214593B (zh) * | 2018-10-19 | 2023-12-08 | 天津大学 | 一种主动配电网供电能力多目标评价方法 |
CN110188430B (zh) * | 2019-05-20 | 2022-09-20 | 国网陕西省电力公司电力科学研究院 | 交流330kV悬垂塔分段式复合绝缘子均压结构优化设计方法 |
JP7360162B2 (ja) * | 2020-02-28 | 2023-10-12 | 国立大学法人広島大学 | 制御系設計方法及び制御装置 |
JP7456298B2 (ja) * | 2020-06-04 | 2024-03-27 | 富士通株式会社 | 最適化装置、最適化方法、及び最適化プログラム |
JP7042322B1 (ja) | 2020-12-14 | 2022-03-25 | 西日本電信電話株式会社 | 意思決定支援装置、意思決定支援プログラム及び意思決定支援方法 |
CN113499138B (zh) * | 2021-07-07 | 2022-08-09 | 南开大学 | 一种外科手术的主动导航系统及其控制方法 |
CN114036827B (zh) * | 2021-11-01 | 2024-06-21 | 浙江大学 | 基于分解的高炉炼铁多目标碳减排方法 |
CN115828734B (zh) * | 2022-11-06 | 2023-11-28 | 江苏天成科技集团有限公司 | 一种基于改进nsga2算法的低碳饲料配方方法 |
CN115833208B (zh) * | 2023-01-09 | 2023-04-18 | 北京峰玉科技有限公司 | 获取电池储能系统运行调度策略的方法及电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002251599A (ja) * | 2001-02-23 | 2002-09-06 | Yamaha Motor Co Ltd | 進化的手法による最適解探索装置、進化的手法による制御対象の制御装置及び進化的手法による最適解探索プログラム |
JP4362572B2 (ja) * | 2005-04-06 | 2009-11-11 | 独立行政法人 宇宙航空研究開発機構 | ロバスト最適化問題を解く問題処理方法およびその装置 |
JP5019744B2 (ja) * | 2005-12-22 | 2012-09-05 | ヤマハ発動機株式会社 | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム |
-
2008
- 2008-12-26 JP JP2008333202A patent/JP5235652B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2010152851A (ja) | 2010-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5235652B2 (ja) | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム | |
JP5124230B2 (ja) | パラメトリック多目的最適化装置、パラメトリック多目的最適化方法およびパラメトリック多目的最適化プログラム | |
JP5156329B2 (ja) | パラメトリック多目的最適化装置、パラメトリック多目的最適化方法およびパラメトリック多目的最適化プログラム | |
EP1548608A2 (en) | Multiobjective optimization | |
KR102238248B1 (ko) | 머신러닝을 이용한 배터리 진단 방법 | |
JP5019744B2 (ja) | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム | |
US7062333B2 (en) | Optimal solution search device, device for controlling controlled object by optimizing algorithm, and optimal solution search program | |
Zhang et al. | High-efficiency driving cycle generation using a Markov chain evolution algorithm | |
CN109067773A (zh) | 一种基于神经网络的车载can网络入侵检测方法及系统 | |
JP2003013794A (ja) | 車両用制御パラメータの適合方法及び適合装置 | |
CN113830097B (zh) | 车辆、模型学习系统以及服务器 | |
Martinez-Morales et al. | Modeling and multi-objective optimization of a gasoline engine using neural networks and evolutionary algorithms | |
US20070179917A1 (en) | Intelligent design optimization method and system | |
Ma et al. | Computational intelligence nonmodel-based calibration approach for internal combustion engines | |
JP2005285090A (ja) | 多目的最適化装置、多目的最適化方法および多目的最適化プログラム | |
Xu et al. | Adversarial robustness in graph-based neural architecture search for edge ai transportation systems | |
Tian et al. | Network intrusion detection analysis with neural network and particle swarm optimization algorithm | |
Wei et al. | Understanding via exploration: Discovery of interpretable features with deep reinforcement learning | |
Wu et al. | Investigation of a multi-objective optimization tool for engine calibration | |
Zhou et al. | [Retracted] A Self‐Diagnostic Method for Automobile Faults in Multiple Working Conditions Based on SOM‐BPNN | |
Lu et al. | A Trust Index-Based Adaptive Kriging Method for the Cooling Fan Optimization | |
Kaji et al. | Avoidance of constraint violation for experiment-based evolutionary multi-objective optimization | |
Soltanalizadeh et al. | Automatic smooth map generation of internal combustion engines via local-global model based calibration technique | |
CN112416789B (zh) | 一种面向演化软件的过程度量元评价方法 | |
Chen et al. | An improved Wang-Mendel algorithm in Engine Test Bench control system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110926 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130319 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130326 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 5235652 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160405 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |