WO2019234837A1 - 最適化システムおよび最適化方法 - Google Patents

最適化システムおよび最適化方法 Download PDF

Info

Publication number
WO2019234837A1
WO2019234837A1 PCT/JP2018/021611 JP2018021611W WO2019234837A1 WO 2019234837 A1 WO2019234837 A1 WO 2019234837A1 JP 2018021611 W JP2018021611 W JP 2018021611W WO 2019234837 A1 WO2019234837 A1 WO 2019234837A1
Authority
WO
WIPO (PCT)
Prior art keywords
evaluation
optimization
parameter
optimization system
evaluation value
Prior art date
Application number
PCT/JP2018/021611
Other languages
English (en)
French (fr)
Inventor
祐治 秋山
Original Assignee
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to CN201880093937.4A priority Critical patent/CN112262397B/zh
Priority to JP2020523895A priority patent/JP6775711B2/ja
Priority to PCT/JP2018/021611 priority patent/WO2019234837A1/ja
Publication of WO2019234837A1 publication Critical patent/WO2019234837A1/ja
Priority to US16/952,645 priority patent/US20210073438A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0745—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in an input/output transactions management context
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
    • G06F11/076—Error or fault detection not based on redundancy by exceeding limits by exceeding a count or rate limit, e.g. word- or bit count limit
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present invention relates to an optimization system and an optimization method using a simulated annealing method.
  • the method of optimizing a system with multiple parameters is called a combinatorial optimization problem.
  • gradient descent methods such as the steepest descent method can be cited as solutions that emphasize the convergence speed.
  • the gradient descent method has a serious drawback that it is likely to fall into a local optimum depending on the initial search value.
  • Non-Patent Document 1 discloses an optimization method using a simulated annealing method.
  • the simulated annealing method selects a parameter candidate from the parameter space, evaluates the selected parameter candidate, and repeats an evaluation process for determining whether the parameter is accepted or not based on the evaluation value, thereby combining a plurality of parameters. How to optimize.
  • a probability distribution when selecting parameter candidates is expanded to search a wide range of the parameter space, and the search range is gradually narrowed toward a low energy region. For this reason, it is possible to reduce the possibility of falling into local optimization depending on the search initial value.
  • a parameter called “temperature” is used to control the search range. The temperature takes a real number of 0 or more, and the search range becomes wider as the temperature increases.
  • Non-Patent Document 1 the optimization method using the simulated annealing method disclosed in Non-Patent Document 1 has a problem that it takes time for optimization.
  • the present invention has been made in view of the above, and an object thereof is to obtain an optimization system capable of reducing the time required for optimization.
  • the optimization system of the present invention is an optimization system that optimizes parameters using a simulated annealing method, and includes a temperature to be used and parameters to be evaluated.
  • a condition setting unit that sets a condition including a parameter candidate that is and a measurement time that is a time for measuring an evaluation value of a cost function for evaluating the parameter candidate, and the evaluation value is measured using the set condition
  • an end determination unit that determines whether or not a predetermined end condition is satisfied, and the end condition is satisfied.
  • the evaluation process including setting the condition, measuring the evaluation value, and determining whether or not to accept the parameter candidate is repeated, and the condition setting unit performs the evaluation every time the evaluation process is repeated. Based on the temperature used in the management, and determines the measurement time.
  • the optimization system according to the present invention has an effect that the time required for optimization can be shortened.
  • the figure which shows the relationship between the parameter of the object optimized by the optimization system shown in FIG. 1, and the evaluation value of a cost function The figure which shows the relationship between the temperature which the optimization system shown in FIG. 1 uses, and measurement time
  • the figure which shows the processing circuit of Embodiment 1-4 The figure which shows the control circuit of Embodiment 1-4
  • the figure which shows the modification of the optimization system shown in FIG. The figure which shows the modification of the optimization system shown in FIG.
  • FIG. 1 is a diagram showing a configuration of an optimization system 1 according to the first exemplary embodiment of the present invention.
  • the optimization system 1 includes a transmitter 10, a transmission filter 20, a receiver 30, and a sampler 40.
  • the optimization system 1 optimizes parameters used in a communication path for transmitting a signal from the transmitter 10 to the receiver 30 via the transmission filter 20 by using a simulated annealing method.
  • the parameter to be optimized is, for example, a communication channel adjustment parameter, and can include the filter coefficient of the transmission filter 20.
  • Optimization system 1 selects a parameter candidate p * based on the temperature T which varies in accordance with temperature schedule, measured selected parameter candidate p * evaluation value E a (p *), the evaluation value E (p *)
  • the evaluation process for determining whether or not the parameter candidate p * is accepted is repeatedly performed. The evaluation process is repeated a plurality of times until the end condition is satisfied.
  • the temperature T indicates the probability distribution of the gradient descent speed.
  • the temperature T indicates the breadth of the probability distribution in which the parameter candidate p * is employed as a sample point in the search space.
  • the breadth of the probability distribution in which the parameter candidate p * is adopted as the sample point in the search space is gradually narrowed and converges to the optimal solution.
  • the transmitter 10 generates a transmission signal sequence from the transmission information.
  • the transmitter 10 inputs the generated transmission signal sequence to the transmission filter 20.
  • the transmission filter 20 filters and shapes the input transmission signal sequence.
  • the transmission filter 20 outputs the shaped transmission signal sequence to a communication path connected to the receiver 30.
  • the transmission filter 20 is, for example, an FIR (Finite Impulse Response) filter.
  • the transmitter 10 filters the transmission signal sequence using parameter candidates p * set by the sampler 40 described later.
  • the receiver 30 receives a transmission signal sequence transmitted from the transmitter 10 via the transmission filter 20 and the communication path.
  • the receiver 30 generates reception information based on the received transmission signal sequence.
  • the receiver 30 includes an evaluation unit 31.
  • the evaluation unit 31 measures the evaluation value E (p * ) using the measurement time ⁇ . As described above, the optimization process including the measurement of the evaluation value E (p * ) is repeatedly performed, and conditions are set every time the optimization process is repeated.
  • the evaluation unit 31 is realized by, for example, an error detection circuit included in the receiver 30.
  • the evaluation unit 31 measures the evaluation value E (p * ) of the cost function over the measurement time ⁇ set in the sampler 40.
  • the receiver 30 outputs the generated reception information and the measured evaluation value E (p * ).
  • the evaluation value E (p * ) output from the receiver 30 is input to the sampler 40.
  • the sampler 40 is a device that samples the parameter candidate p * from the target parameter space, and is a control device that controls the execution of the optimization method using the simulated annealing method.
  • the sampler 40 includes a condition setting unit 41, a acceptance / rejection determination unit 42, and an end determination unit 43.
  • the condition setting unit 41 sets conditions for evaluation processing.
  • the conditions for the evaluation process include temperature T, parameter candidate p * , and measurement time ⁇ .
  • the condition setting unit 41 determines the temperature T used in the evaluation process according to a predetermined temperature schedule, for example. For example, the condition setting unit 41 can set the temperature T used in the current evaluation process based on the current time t or the current step t.
  • the condition setting unit 41 selects a parameter candidate p * that is a candidate for the next parameter p (t + 1) from the search range indicated by the determined temperature T based on the currently adopted parameter p (t). select. Further, the condition setting unit 41 can determine a measurement time ⁇ , which is a time for measuring the evaluation value E (p * ) of the selected parameter candidate p * , based on the temperature T. The condition setting unit 41 notifies the selected parameter candidate p * to the transmission filter 20 and notifies the receiver 30 of the determined measurement time ⁇ .
  • the acceptance / rejection determination unit 42 uses the condition set by the condition setting unit 41, and the cost function evaluation value E (p * ) measured when the signal is transmitted from the transmitter 10 to the receiver 30. Based on the above, whether or not the parameter candidate p * is accepted is determined.
  • Adoption determination unit 42 when determining to adopt the parameter candidates p *, the parameter candidates p * parameter p (t + 1).
  • the acceptance / rejection determination unit 42 notifies the condition setting unit 41 of the determination result.
  • the end determination unit 43 determines whether or not to end the optimization process by using a predetermined end condition.
  • the termination condition is, for example, that the elapsed time from the start of the optimization process or the number of repetitions of the evaluation process reaches a predetermined threshold value.
  • the end determination unit 43 notifies the condition setting unit 41 of the determination result.
  • FIG. 2 is a diagram showing the relationship between the parameter p to be optimized by the optimization system 1 shown in FIG. 1 and the evaluation value E (p) of the cost function.
  • the parameter p is an object of optimization processing of the optimization system 1.
  • the parameter p is schematically represented in one dimension in FIG. 2, but is generally a value shown in a multidimensional space composed of a plurality of axes.
  • the evaluation value E (p) is a scalar value.
  • the parameter p (t) is the value of the parameter p that has been adopted at the current time t or step t.
  • the parameter candidate p * is a parameter candidate to be adopted, and is a parameter value sampled from the vicinity of the current parameter p (t) by the condition setting unit 41. If adoption determination section 42 has determined to adopt the parameter candidates p *, parameter candidates p * is a parameter p (t + 1) at the next time t + 1 or step t + 1.
  • the parameter transition probability P ( ⁇ E), which is the probability of transition from the parameter p (t) to the parameter p (t + 1), is the cost function evaluation value E (p) in the parameter p (t) and the parameter p (t + 1). Is determined depending on the difference ⁇ E from the evaluation value E (p) of the cost function and the temperature T.
  • the parameter transition probability P ( ⁇ E) when the difference value of the cost function when transitioning the parameter space is the difference ⁇ E is the temperature T that is a real number equal to or greater than 0 at the time of transition.
  • P ( ⁇ E) when the difference value of the cost function when transitioning the parameter space is the difference ⁇ E is the temperature T that is a real number equal to or greater than 0 at the time of transition.
  • any temperature schedule can be applied.
  • the parameter transition probability P ⁇ ( ⁇ E) in consideration of the influence of the measurement time ⁇ is expressed by the following formula (2) when the constant k representing the degree of influence of the measurement time ⁇ in the measurement system is used.
  • FIG. 3 is a diagram showing the relationship between the temperature T and the measurement time ⁇ used by the optimization system 1 shown in FIG.
  • the simulated annealing method uses probability sampling by the Metropolis-Hastings method, and the Metropolis-Hastings method controls the probability distribution in the parameter space by the parameter transition probability P ⁇ ( ⁇ E). For this reason, as the temperature T is lower, the influence of the shortening of the measurement time ⁇ on the parameter transition probability P ⁇ ( ⁇ E) is larger, and the optimization accuracy can be increased as the measurement time ⁇ is longer. On the other hand, as the temperature T is higher, the influence of the measurement time ⁇ on the parameter transition probability P ⁇ ( ⁇ E) is relatively small. In particular, when the measurement time ⁇ is constant, it is necessary to perform long-time measurement in all evaluation processes. When the temperature T is high, the accuracy is excessive and the measurement time ⁇ is unnecessarily long. .
  • the condition setting unit 41 can determine the measurement time ⁇ based on the temperature T. More specifically, the condition setting unit 41 can shorten the measurement time ⁇ as the temperature T increases. For example, the condition setting unit 41 can determine the measurement time ⁇ so as to be a value proportional to a function that decreases monotonously as the temperature T increases. As a more specific example, the condition setting unit 41 can determine the measurement time ⁇ so as to be a value proportional to the reciprocal of the square root of the temperature according to the following formula (3).
  • FIG. 4 is a flowchart showing the operation of the optimization system 1 shown in FIG.
  • the condition setting unit 41 of the sampler 40 sets initial conditions (step S101).
  • Initial conditions include temperature T and parameter p.
  • the condition setting unit 41 samples the parameter candidate p * based on the adopted parameter p and the set temperature T (step S102). Specifically, the condition setting unit 41 samples the parameter candidate p * in the vicinity of the adopted parameter p from the search range indicated by the set temperature T.
  • the condition setting unit 41 notifies the transmission filter 20 of the sampled parameter candidate p * .
  • the condition setting unit 41 further determines the measurement time ⁇ based on the set temperature T (step S103). Specifically, the condition setting unit 41 determines the measurement time ⁇ so as to be a value proportional to the inverse of the square root of the temperature T used when sampling the parameter candidate p * , and sets the determined measurement time ⁇ . Notify the receiver 30.
  • the evaluation unit 31 uses the received signal received by the receiver 30 from the transmitter 10 via the transmission filter 20, and measures the code error rate as an evaluation value E (p * ) of the cost function (step S104). At this time, the evaluation unit 31 measures the evaluation value E (p * ) over the set measurement time ⁇ . The evaluation unit 31 notifies the sampler 40 of the measured evaluation value E (p * ).
  • the acceptance / rejection determination unit 42 of the sampler 40 determines whether the parameter candidate p * satisfies the employment condition based on the evaluation value E (p * ) notified from the evaluation unit 31 (step S105). When the employment condition is not satisfied (step S105: No), the acceptance / rejection determination unit 42 notifies the condition setting unit 41 that the employment condition has not been satisfied, and the processing is repeated from step S102. When the employment condition is satisfied (step S105: Yes), the acceptance / rejection determination unit 42 employs the parameter candidate p * (step S106). The acceptance / rejection determination unit 42 notifies the condition setting unit 41 that the employment condition is satisfied.
  • the condition setting unit 41 when notified that the employment condition is satisfied, updates the temperature T according to the temperature schedule (step S107).
  • the updated temperature T is used in the next evaluation process.
  • the end determination unit 43 determines whether or not the end condition is satisfied (step S108). For example, when the end condition is to reach a predetermined total optimization time, the end determination unit 43 counts the elapsed time from the start of the optimization process, and the elapsed time is determined in advance. Based on whether or not the total optimization time has been reached, it can be determined whether or not the termination condition is satisfied.
  • step S108: Yes the sampler 40 terminates the optimization (step S109). If the end condition is not satisfied (step S108: No), the sampler 40 repeats the process from step S102.
  • the optimization system 1 that optimizes the parameter p using the simulated annealing method includes the parameter candidate p * , which is the parameter p to be evaluated, and the parameter A condition setting unit 41 for setting a condition including a measurement time ⁇ that is a time for measuring an evaluation value E (p * ) of a cost function for evaluating the candidate p *, and an evaluation value using the set condition an evaluation unit 31 for measuring E a (p *), based on the evaluation value E (p *), and the adoption determination unit 42 determines parameter candidates p * of adoption, or a defined termination condition is satisfied in advance whether And an end determination unit 43 for determining whether or not.
  • the optimization system 1 repeats the evaluation process including setting the condition, measuring the evaluation value E (p * ), and determining whether the parameter candidate p * is accepted or not until the termination condition is satisfied.
  • the condition setting unit 41 determines the measurement time ⁇ of each evaluation value E (p * ) based on the temperature indicating the range for selecting the parameter candidate p * for each evaluation process. Specifically, the condition setting unit 41 determines the measurement time ⁇ so as to become shorter as the temperature T used in the evaluation process becomes higher, and becomes a value proportional to a function that decreases monotonically as the temperature T becomes higher. It is possible to determine the measurement time ⁇ .
  • the function used in determining the measurement time ⁇ can be the reciprocal of the square root of the temperature T. In this case, the measurement time ⁇ is a value proportional to the reciprocal of the square root of the temperature T.
  • the measurement time ⁇ necessary for performing the evaluation process with the required accuracy can be appropriately determined, and the evaluation value can be measured unnecessarily for a long time. Since this can be suppressed, the time required for optimization can be shortened.
  • Embodiment 2 a second embodiment of the present invention will be described.
  • the code error rate of received data is used as the evaluation value E (p * ) of the cost function, whereas in the second embodiment, the signal noise ratio is different.
  • E (p * ) of the cost function the evaluation value of the cost function
  • the signal noise ratio is different.
  • FIG. 5 is a flowchart showing the operation of the optimization system 2 according to the second exemplary embodiment of the present invention.
  • Steps S101 to S103 are the same as those in FIG.
  • the evaluation unit 31 measures the signal-to-noise ratio and calculates the cost function evaluation value E (p * ) (step S204).
  • Steps S105 to S109 are the same as those in FIG.
  • the average value of the signal-to-noise ratio in the measurement time ⁇ is used as the evaluation value E (p * ).
  • the code error rate used in the first embodiment indicates that the smaller the value, the better the characteristic, whereas the larger the signal-to-noise ratio, the better the characteristic. For this reason, as the evaluation value E (p * ) of the cost function, a value obtained by inverting the sign of the signal to noise ratio can be used.
  • a logarithmic ratio (dB) may be used as the signal-to-noise ratio, or a linear ratio may be used.
  • the value of the evaluation value E (p * ) based on the signal-to-noise ratio is adjusted so that the value of the evaluation value E (p * ) becomes smaller as the characteristics are better.
  • the use condition when using is that the evaluation value E (p * ) is greater than or equal to the threshold value.
  • FIG. 6 is a diagram illustrating a relationship between the elapsed time of the optimization process and the signal-to-noise ratio of the optimization system 2 according to the second embodiment.
  • a conventional optimization curve C11 using a general simulated annealing method and an optimization curve C12 of the optimization system 2 are shown together.
  • the characteristic improvement is advanced more rapidly from the early stage to the middle stage of the optimization process than when the general simulated annealing method is used. It has been found that the optimization converges in about one fifth of the time overall.
  • FIG. 7 is a diagram illustrating the relationship between the number of steps of the optimization process of the optimization system 2 according to the second embodiment and the signal-to-noise ratio.
  • the conventional optimization curve C21 using the general simulated annealing method and the optimization curve C22 of the optimization system 2 are shown together.
  • the measurement time ⁇ per step is reduced, but no characteristic deterioration is observed even when compared with a case where a general simulated annealing method is used. I understand that.
  • the measurement time ⁇ is determined based on the temperature T, so that the optimum The time required for the conversion process can be shortened.
  • FIG. FIG. 8 is a diagram showing a configuration of the optimization system 3 according to the third exemplary embodiment of the present invention.
  • the optimization system 3 includes a reception filter 50 in addition to the configurations of the optimization systems 1 and 2.
  • the reception filter 50 is, for example, an FIR filter, and is arranged on a communication path until a signal transmitted from the transmitter 10 via the transmission filter 20 is received by the receiver 30. As a result, the signal that has been filtered by the reception filter 50 is input to the receiver 30.
  • differences from the first and second embodiments will be mainly described.
  • the parameter candidate p * determined by the condition setting unit 41 of the sampler 40 is input to the reception filter 50 in addition to the transmission filter 20.
  • the operation of the optimization system 3 is the same as in the first and second embodiments except that the parameter to be optimized includes the adjustment parameter of the reception filter, and thus the description thereof is omitted here.
  • the evaluation unit 31 may use a code error rate or a signal-to-noise ratio as the evaluation value E (p * ) in accordance with the configuration of the receiver 30.
  • the optimization system 3 according to the third embodiment of the present invention, not only the adjustment parameter of the transmission filter 20 but also the adjustment parameter of the reception filter 50 can be optimized.
  • FIG. 9 is a diagram showing a configuration of the optimization system 4 according to the fourth exemplary embodiment of the present invention.
  • the evaluation value E (p * ) of the cost function is obtained by a physical communication path or the like, but this may be replaced with a computer simulation.
  • the optimization system 4 includes a simulator 60 and a sampler 40.
  • the configuration of the sampler 40 is the same as in the first to third embodiments.
  • the measurement time ⁇ and parameter candidate p * set by the condition setting unit 41 of the sampler 40 are input to the simulator 60.
  • the simulator 60 has an evaluation unit 31.
  • the simulator 60 has a function of simulating data transmission in the wireless communication path using conditions set by the sampler 40, for example, measurement time ⁇ and parameter candidate p * .
  • the evaluation value of the cost function varies depending on the measurement time ⁇ , and measurement is performed in the same manner as when evaluating the characteristics of a physical communication path.
  • the evaluation unit 31, the condition setting unit 41, the acceptance / rejection determination unit 42, and the end determination unit 43 are each realized by a processing circuit. These processing circuits may be realized by dedicated hardware, or may be a control circuit using a CPU (Central Processing Unit).
  • CPU Central Processing Unit
  • FIG. 10 is a diagram illustrating the processing circuit 90 according to the first to fourth embodiments.
  • the processing circuit 90 is a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, an ASIC (Application Specific Integrated Circuit), an FPGA (Field Programmable Gate Array), or a combination thereof.
  • ASIC Application Specific Integrated Circuit
  • FPGA Field Programmable Gate Array
  • FIG. 11 is a diagram illustrating the control circuit 91 according to the first to fourth embodiments.
  • the control circuit 91 includes a processor 92 and a memory 93.
  • the processor 92 is a CPU and is also called a central processing unit, processing unit, arithmetic unit, microprocessor, microcomputer, DSP (Digital Signal Processor) or the like.
  • the memory 93 is, for example, a nonvolatile or volatile semiconductor memory such as RAM (Random Access Memory), ROM (Read Only Memory), flash memory, EPROM (Erasable Programmable ROM), EEPROM (registered trademark) (Electrically EPROM), Magnetic disks, flexible disks, optical disks, compact disks, mini disks, DVDs (Digital Versatile Disks), etc.
  • RAM Random Access Memory
  • ROM Read Only Memory
  • flash memory EPROM (Erasable Programmable ROM), EEPROM (registered trademark) (Electrically EPROM), Magnetic disks, flexible disks, optical disks, compact disks, mini disks, DVDs (Digital Versatile Disks), etc.
  • the processor 92 When the processing circuit is realized by the control circuit 91, the processor 92 is realized by reading and executing a program corresponding to the processing of each component stored in the memory 93.
  • the memory 93 is also used as a temporary memory in each process executed by the processor 92.
  • the configuration described in the above embodiment shows an example of the contents of the present invention, and can be combined with another known technique, and can be combined with other configurations without departing from the gist of the present invention. It is also possible to omit or change the part.
  • the receiver 30 includes the evaluation unit 31, but the present embodiment is not limited to such an example.
  • the sampler 40 ⁇ / b> A may include an evaluation unit 31.
  • FIG. 12 is a diagram showing a modification of the optimization system 1 shown in FIG.
  • FIG. 13 is a diagram showing a modification of the optimization system 3 shown in FIG.
  • An optimization system 1A illustrated in FIG. 12 includes a sampler 40A including an evaluation unit 31 instead of the sampler 40 of the optimization system 1.
  • the optimization system 3 ⁇ / b> A illustrated in FIG. 13 includes a sampler 40 ⁇ / b> A including an evaluation unit 31 instead of the sampler 40 of the optimization system 3.
  • the receiver 30 does not have the evaluation unit 31 and inputs reception information to the sampler 40A.
  • the condition setting unit 41 inputs the measurement time ⁇ to the evaluation unit 31 inside the sampler 40A, and the evaluation unit 31 inputs the evaluation value E (p * ) to the acceptance / rejection determination unit 42 inside the sampler 40A. It will be.
  • the technique of the present embodiment can be realized even when the receiver 30 does not have the function of setting the measurement time ⁇ .
  • the transmission filter 20 and the reception filter 50 are FIR filters, but the present embodiment is not limited to such an example.
  • the transmission filter 20 and the reception filter 50 may be IIR (Infinite Impulse Response) filters, and may be non-linear filters such as a Volterra filter, for example.
  • the parameter p to be optimized is the filter coefficient of the communication channel in the above embodiment, but the present embodiment is not limited to this example.
  • the parameter p may be a communication channel adjustment parameter other than the filter coefficient, such as the transmission power, the temperature of the transmission device, and the modulation frequency.
  • the communication path may be a combination of a plurality of transceivers.
  • the signal-to-noise ratio is inverted, or the code error rate is the evaluation value E (p * ).
  • the present embodiment is not limited to this example.
  • a value calculated based on the signal-to-noise ratio or the code error rate can also be used as the evaluation value E (p * ).
  • the evaluation value E (p * ) may be any value as long as it is a value indicating the state of the communication channel.
  • the parameter to be optimized is a communication path adjustment parameter, but the present embodiment is not limited to this example.
  • the present embodiment is not limited to this example.
  • the same effect can be obtained by applying the technique of the present invention.
  • the technique of the present invention is an optimization method that the optimization systems 1, 2, 3, and 4 execute.
  • the present invention can also be realized in the form of an optimization program for executing the procedure of the optimization method, a storage medium storing the optimization program, and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

シミュレーテッドアニーリング法を用いてパラメータを最適化する最適化システム（１）は、使用する温度と、評価対象のパラメータであるパラメータ候補と、パラメータ候補を評価するためのコスト関数の評価値を測定する時間である測定時間とを含む条件を設定する条件設定部（４１）と、設定された条件を使用して評価値を測定する評価部（３１）と、評価値に基づいて、パラメータ候補の採否を判定する採否判定部（４２）と、予め定められた終了条件が満たされたか否かを判定する終了判定部（４３）と、を備え、終了条件が満たされるまで、条件の設定と、評価値の測定と、パラメータ候補の採否判定とを含む評価処理を繰り返し、条件設定部（４１）は、評価処理の繰り返し毎に、当該評価処理において使用される温度に基づいて、測定時間を決定することを特徴とする。

Description

最適化システムおよび最適化方法
　本発明は、シミュレーテッドアニーリング法を用いた最適化システムおよび最適化方法に関する。
　複数のパラメータを持つ系を最適化する方法は、組み合わせ最適化問題と呼ばれる。組み合わせ最適化問題の解法のうち、収束速度を重視した解法としては、最急降下法のような勾配降下法が挙げられる。しかしながら、勾配降下法は、探索初期値に依存して局所最適に陥る可能性が高いという重大な欠点を有している。
　これに対して非特許文献１には、シミュレーテッドアニーリング法を用いた最適化方法が開示されている。シミュレーテッドアニーリング法は、パラメータ空間の中からパラメータ候補を選択し、選択したパラメータ候補を評価して、評価値に基づいてパラメータの採否を判定する評価処理を繰り返すことで、複数のパラメータの組み合わせを最適化する方法である。シミュレーテッドアニーリング法では、初期にはパラメータ候補を選択する際の確率分布を広げてパラメータ空間の広い範囲を探索し、徐々にエネルギーの低い領域に向かって探索範囲を狭めていく。このため、探索初期値に依存して局所最適に陥る可能性を低減することができる。シミュレーテッドアニーリング法では、探索範囲の制御に「温度」と呼ばれるパラメータが用いられる。温度は、０以上の実数をとり、高温ほど探索範囲が広くなる。
S.　Kirkpatrick,　C.D.　Gelatt　Jr.,　M.P.　Vecchi,　Optimization　by　Simulated　Annealing,　Science,　New　Series,　Vol.220,　No.4598.(May　13,　1983),　pp.671-680
　しかしながら、上記非特許文献１に開示されたシミュレーテッドアニーリング法を用いた最適化方法では、最適化に時間がかかるという問題があった。
　本発明は、上記に鑑みてなされたものであって、最適化にかかる時間を短縮することが可能な最適化システムを得ることを目的とする。
　上述した課題を解決し、目的を達成するために、本発明の最適化システムは、シミュレーテッドアニーリング法を用いてパラメータを最適化する最適化システムであって、使用する温度と、評価対象のパラメータであるパラメータ候補と、パラメータ候補を評価するためのコスト関数の評価値を測定する時間である測定時間とを含む条件を設定する条件設定部と、設定された条件を使用して評価値を測定する評価部と、評価値に基づいて、パラメータ候補の採否を判定する採否判定部と、予め定められた終了条件が満たされたか否かを判定する終了判定部と、を備え、終了条件が満たされるまで、条件の設定と、評価値の測定と、パラメータ候補の採否判定とを含む評価処理を繰り返し、条件設定部は、評価処理の繰り返し毎に、当該評価処理において使用される温度に基づいて、測定時間を決定することを特徴とする。
　本発明にかかる最適化システムは、最適化にかかる時間を短縮することが可能であるという効果を奏する。
本発明の実施の形態１にかかる最適化システムの構成を示す図 図１に示す最適化システムが最適化する対象のパラメータとコスト関数の評価値との関係を示す図 図１に示す最適化システムが使用する温度および測定時間の関係を示す図 図１に示す最適化システムの動作を示すフローチャート 本発明の実施の形態２にかかる最適化システムの動作を示すフローチャート 実施の形態２にかかる最適化システムの最適化処理の経過時間と信号雑音比との関係を示す図 実施の形態２にかかる最適化システムの最適化処理のステップ数と信号雑音比との関係を示す図 本発明の実施の形態３にかかる最適化システムの構成を示す図 本発明の実施の形態４にかかる最適化システムの構成を示す図 実施の形態１から４の処理回路を示す図 実施の形態１から４の制御回路を示す図 図１に示す最適化システムの変形例を示す図 図８に示す最適化システムの変形例を示す図
　以下に、本発明の実施の形態にかかる最適化システムおよび最適化方法を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
実施の形態１．
　図１は、本発明の実施の形態１にかかる最適化システム１の構成を示す図である。最適化システム１は、送信器１０と、送信フィルタ２０と、受信器３０と、サンプラ４０とを有する。
　最適化システム１は、送信器１０から送信フィルタ２０を介して受信器３０に信号を伝送する通信路において使用されるパラメータを、シミュレーテッドアニーリング法を用いて最適化する。ここで最適化の対象となるパラメータは、例えば、通信路の調整パラメータであり、送信フィルタ２０のフィルタ係数を含むことができる。最適化システム１は、温度スケジュールに従って変化する温度Ｔに基づいてパラメータ候補ｐ＊を選択し、選択したパラメータ候補ｐ＊の評価値Ｅ（ｐ＊）を測定し、評価値Ｅ（ｐ＊）に基づいてパラメータ候補ｐ＊の採否を判定する評価処理を繰り返して行う。評価処理は、終了条件が満たされるまで複数回繰り返される。温度Ｔは、勾配降下速度の確率分布を示し、言い換えると、探索空間においてパラメータ候補ｐ＊がサンプル点として採用される確率の分布の広さを示す。温度Ｔを徐々に低下させることで、探索空間においてパラメータ候補ｐ＊がサンプル点として採用される確率の分布の広さは、徐々に狭められ、最適解に収束する。以下、このような動作を実現するための構成について説明する。
　送信器１０は、送信情報から送信信号系列を生成する。送信器１０は、生成した送信信号系列を送信フィルタ２０に入力する。送信フィルタ２０は、入力される送信信号系列をフィルタリングして整形する。送信フィルタ２０は、整形後の送信信号系列を、受信器３０に接続された通信路に出力する。送信フィルタ２０は、例えば、ＦＩＲ（Finite　Impulse　Response）フィルタである。送信器１０は、後述するサンプラ４０が設定したパラメータ候補ｐ＊を使用して、送信信号系列をフィルタリングする。
　受信器３０は、送信フィルタ２０および通信路を介して送信器１０から伝送された送信信号系列を受信する。受信器３０は、受信した送信信号系列に基づいて受信情報を生成する。受信器３０は、評価部３１を有する。評価部３１は、測定時間τを用いて、評価値Ｅ（ｐ＊）を測定する。上記の通り、評価値Ｅ（ｐ＊）の測定を含む最適化処理は繰り返し行われ、最適化処理の繰り返し毎に条件が設定される。評価部３１は、例えば、受信器３０が備える誤り検出回路により実現される。評価部３１は、サンプラ４０において設定される測定時間τをかけて、コスト関数の評価値Ｅ（ｐ＊）を測定する。受信器３０は、生成した受信情報と測定した評価値Ｅ（ｐ＊）とを出力する。受信器３０が出力した評価値Ｅ（ｐ＊）はサンプラ４０に入力される。
　サンプラ４０は、対象のパラメータ空間の中から、パラメータ候補ｐ＊をサンプリングする装置であり、シミュレーテッドアニーリング法を用いた最適化方法の実行を制御する制御装置である。サンプラ４０は、条件設定部４１と、採否判定部４２と、終了判定部４３とを有する。条件設定部４１は、評価処理の条件を設定する。評価処理の条件は、温度Ｔと、パラメータ候補ｐ＊と、測定時間τとを含む。条件設定部４１は、例えば予め定められた温度スケジュールに従って評価処理で用いる温度Ｔを決定する。温度スケジュールは、例えば、条件設定部４１は、現在の時刻ｔまたは現在のステップｔに基づいて、今回の評価処理で用いる温度Ｔを設定することができる。続いて条件設定部４１は、決定した温度Ｔが示す探索範囲の中から、現在採用されているパラメータｐ（ｔ）に基づいて、次のパラメータｐ（ｔ＋１）の候補であるパラメータ候補ｐ＊を選択する。また条件設定部４１は、選択したパラメータ候補ｐ＊の評価値Ｅ（ｐ＊）を測定する時間である測定時間τを、温度Ｔに基づいて決定することができる。条件設定部４１は、選択したパラメータ候補ｐ＊を送信フィルタ２０に通知し、決定した測定時間τを受信器３０に通知する。
　採否判定部４２は、条件設定部４１が設定した条件を使用して、送信器１０から受信器３０への信号の伝送が行われたときに測定されたコスト関数の評価値Ｅ（ｐ＊）に基づいて、パラメータ候補ｐ＊の採否を判定する。採否判定部４２は、パラメータ候補ｐ＊を採用すると判定した場合、パラメータ候補ｐ＊をパラメータｐ（ｔ＋１）とする。採否判定部４２は、判定結果を条件設定部４１に通知する。終了判定部４３は、予め定められた終了条件を用いて、最適化処理の繰り返しを終了するか否かを判定する。終了条件は、例えば、最適化処理を開始してからの経過時間または評価処理の繰り返し数が、予め定められた閾値に達することである。終了判定部４３は、判定結果を条件設定部４１に通知する。
　図２は、図１に示す最適化システム１が最適化する対象のパラメータｐとコスト関数の評価値Ｅ（ｐ）との関係を示す図である。パラメータｐは、最適化システム１の最適化処理の対象である。パラメータｐは、図２では１次元で模式化して表されているが、一般的には複数の軸からなる多次元空間内で示される値である。評価値Ｅ（ｐ）は、スカラー値である。パラメータｐ（ｔ）は、現在の時刻ｔまたはステップｔにおける採用済みのパラメータｐの値である。パラメータ候補ｐ＊は、採用するパラメータの候補であって、条件設定部４１が現在のパラメータｐ（ｔ）の近傍からサンプリングしたパラメータ値である。採否判定部４２がパラメータ候補ｐ＊の採用を決定した場合、パラメータ候補ｐ＊が、次の時刻ｔ＋１またはステップｔ＋１におけるパラメータｐ（ｔ＋１）となる。
　また、パラメータｐ（ｔ）からパラメータｐ（ｔ＋１）に遷移する確率であるパラメータ遷移確率Ｐ（ΔＥ）は、パラメータｐ（ｔ）におけるコスト関数の評価値Ｅ（ｐ）と、パラメータｐ（ｔ＋１）におけるコスト関数の評価値Ｅ（ｐ）との差分ΔＥおよび温度Ｔに依存して定まる。
　シミュレーテッドアニーリング法においては、パラメータ空間を遷移した場合のコスト関数の差分値が差分ΔＥである場合のパラメータ遷移確率Ｐ（ΔＥ）は、遷移時の温度を０以上の実数である温度Ｔとした場合、以下に示す数式（１）で表される。
Figure JPOXMLDOC01-appb-M000001
　これにより、シミュレーテッドアニーリング法がサンプリングに利用する方法であるMetropolis－Hastings法による確率サンプリングにおける詳細平衡条件を満たすことができる。温度変化が十分に遅い場合、パラメータ空間において、確率分布がコスト関数の評価値Ｅ（ｐ）に対して指数関数的に定まるボルツマン分布となる。このため、温度Ｔを高温から徐々に低温に下げていくことで、パラメータ空間上の確率分布が指数関数的にコスト関数の評価値Ｅ（ｐ＊）が低い部分に集中し、最適化序盤の高温時に確率分布が平坦であることと相まって、局所最適に陥り難く、効率的に全体最適な値に収束させることができる。
　シミュレーテッドアニーリング法は、最適化の各段階における温度を適切に制御することで、最適化の精度が変わるため、温度スケジュールを任意に調整できることが望ましく、最適化の精度と関係のない理由によって、適用可能な温度スケジュールに制限が加わることは望ましくない。本実施の形態では、任意の温度スケジュールを適用することが可能である。
　また、コスト関数の評価値Ｅ（ｐ）として、所望の測定時間τにおける平均のデータ誤り率（ＢＥＲ：Bit　Error　Rate）を用いる場合、測定時間τが短いほど測定ノイズが大きくなる。測定時間τによる影響を考慮したパラメータ遷移確率Ｐτ（ΔＥ）は、測定系における測定時間τの影響度を表す定数ｋとした場合、以下の数式（２）で表される。
Figure JPOXMLDOC01-appb-M000002
　図３は、図１に示す最適化システム１が使用する温度Ｔおよび測定時間τの関係を示す図である。上述の通り、シミュレーテッドアニーリング法はMetropolis-Hastings法による確率サンプリングを利用しており、Metropolis-Hastings法は、パラメータ遷移確率Ｐτ（ΔＥ）によってパラメータ空間における確率分布を制御している。このため、温度Ｔが低いほど測定時間τを短くすることのパラメータ遷移確率Ｐτ（ΔＥ）に対する影響が大きく、測定時間τを長くするほど最適化の精度を高めることができる。これに対して、温度Ｔが高いほど、測定時間τがパラメータ遷移確率Ｐτ（ΔＥ）に与える影響が比較的小さい。特に、測定時間τを一定とした場合には、全ての評価処理において、長時間の測定を行う必要があり、温度Ｔが高い場合には、精度が過剰となり、不要に測定時間τが長くなる。
　このため、条件設定部４１は、測定時間τを、温度Ｔに基づいて決定することができる。より具体的には、条件設定部４１は、温度Ｔが高いほど測定時間τを短くすることができる。例えば、条件設定部４１は、温度Ｔが高いほど単調に減少する関数に比例する値となるように、測定時間τを決定することができる。より具体的な例としては、条件設定部４１は、以下の数式（３）に従って、温度の平方根の逆数に比例する値となるように測定時間τを決定することができる。
Figure JPOXMLDOC01-appb-M000003
　図４は、図１に示す最適化システム１の動作を示すフローチャートである。まずサンプラ４０の条件設定部４１は、初期条件を設定する（ステップＳ１０１）。初期条件は、温度Ｔおよびパラメータｐを含む。条件設定部４１は、採用されたパラメータｐと、設定された温度Ｔに基づいて、パラメータ候補ｐ＊をサンプリングする（ステップＳ１０２）。具体的には、条件設定部４１は、設定された温度Ｔが示す探索範囲の中から、採用済みのパラメータｐの近傍でパラメータ候補ｐ＊をサンプリングする。条件設定部４１は、サンプリングしたパラメータ候補ｐ＊を送信フィルタ２０に通知する。
　条件設定部４１は、さらに、設定された温度Ｔに基づいて、測定時間τを決定する（ステップＳ１０３）。具体的には、条件設定部４１は、パラメータ候補ｐ＊をサンプリングする際に用いた温度Ｔの平方根の逆数に比例する値となるように測定時間τを決定して、決定した測定時間τを受信器３０に通知する。
　評価部３１は、送信器１０から送信フィルタ２０を介して受信器３０が受信した受信信号を用いて、符号誤り率をコスト関数の評価値Ｅ（ｐ＊）として測定する（ステップＳ１０４）。このとき、評価部３１は、設定された測定時間τをかけて評価値Ｅ（ｐ＊）を測定する。評価部３１は、測定した評価値Ｅ（ｐ＊）をサンプラ４０に通知する。
　サンプラ４０の採否判定部４２は、評価部３１から通知された評価値Ｅ（ｐ＊）に基づいて、パラメータ候補ｐ＊が採用条件を満たすか否かを判定する（ステップＳ１０５）。採用条件を満たさない場合（ステップＳ１０５：Ｎｏ）、採否判定部４２は、採用条件が満たされなかった旨を条件設定部４１に通知し、ステップＳ１０２から処理が繰り返される。採用条件を満たした場合（ステップＳ１０５：Ｙｅｓ）、採否判定部４２は、パラメータ候補ｐ＊を採用する（ステップＳ１０６）。採否判定部４２は、採用条件が満たされた旨を条件設定部４１に通知する。
　条件設定部４１は、採用条件が満たされた旨が通知されると、温度スケジュールに従って温度Ｔを更新する（ステップＳ１０７）。更新後の温度Ｔは、次の評価処理において用いられる。
　続いて終了判定部４３は、終了条件が満たされたか否かを判定する（ステップＳ１０８）。例えば、終了条件が予め定められた総最適化時間に達することである場合、終了判定部４３は、最適化処理を開始してからの経過時間をカウントしておき、経過時間が予め定められた総最適化時間に達しているか否かに基づいて、終了条件が満たされたか否かを判定することができる。
　終了条件が満たされた場合（ステップＳ１０８：Ｙｅｓ）、サンプラ４０は、最適化を終了する（ステップＳ１０９）。終了条件が満たされなかった場合（ステップＳ１０８：Ｎｏ）、サンプラ４０は、ステップＳ１０２から処理を繰り返す。
　以上説明したように、本発明の実施の形態１によれば、シミュレーテッドアニーリング法を用いてパラメータｐを最適化する最適化システム１は、評価対象のパラメータｐであるパラメータ候補ｐ＊と、パラメータ候補ｐ＊を評価するためのコスト関数の評価値Ｅ（ｐ＊）を測定する時間である測定時間τとを含む条件を設定する条件設定部４１と、設定された条件を使用して評価値Ｅ（ｐ＊）を測定する評価部３１と、評価値Ｅ（ｐ＊）に基づいて、パラメータ候補ｐ＊の採否を判定する採否判定部４２と、予め定められた終了条件が満たされたか否かを判定する終了判定部４３とを有する。最適化システム１は、終了条件が満たされるまで、条件の設定と、評価値Ｅ（ｐ＊）の測定と、パラメータ候補ｐ＊の採否判定とを含む評価処理を繰り返す。
　ここで、条件設定部４１は、評価処理毎に、パラメータ候補ｐ＊を選択する範囲を示す温度に基づいて、各評価値Ｅ（ｐ＊）の測定時間τを決定する。具体的には、条件設定部４１は、評価処理において使用される温度Ｔが高いほど短くなるように測定時間τを決定し、温度Ｔが高くなるほど単調に減少する関数に比例する値となるように測定時間τを決定することができる。測定時間τを決定する際に用いられる関数は、温度Ｔの平方根の逆数とすることができ、この場合、測定時間τは、温度Ｔの平方根の逆数に比例する値となる。このように測定時間τを評価処理毎に決定することで、要求される精度で評価処理を行うために必要な測定時間τを適切に決定することができ、不要に長時間評価値の測定を行うことを抑制することができるため、最適化にかかる時間を短縮することが可能になる。
実施の形態２．
　続いて、本発明の実施の形態２について説明する。上記の実施の形態１では、コスト関数の評価値Ｅ（ｐ＊）として、受信したデータの符号誤り率を用いたのに対して、実施の形態２では、信号雑音比を用いる点が異なる。以下、実施の形態１と異なる点について主に説明する。
　実施の形態２にかかる最適化システム２の構成は、図１に示す最適化システム１と同様であるため、ここでは説明を省略する。図５は、本発明の実施の形態２にかかる最適化システム２の動作を示すフローチャートである。
　ステップＳ１０１からステップＳ１０３は図４と同様であるため、説明を省略する。評価部３１は、信号雑音比を測定してコスト関数の評価値Ｅ（ｐ＊）を算出する（ステップＳ２０４）。ステップＳ１０５からステップＳ１０９は図４と同様であるため、説明を省略する。
　ここでは、信号雑音比の測定時間τにおける平均値が評価値Ｅ（ｐ＊）として用いられる。実施の形態１で用いられた符号誤り率は、値が小さいほど特性が良好であることを示すのに対して、信号雑音比は大きいほど特性が良好であることを示す。このため、コスト関数の評価値Ｅ（ｐ＊）としては、信号雑音比の符号を反転したものを使用することができる。また、信号雑音比として、対数比（ｄＢ）を使用してもよいし、線形比を使用してもよい。
　さらに上記では、特性が良好であるほど評価値Ｅ（ｐ＊）の値が小さくなるように、信号雑音比に基づいた評価値Ｅ（ｐ＊）の値を調整したが、これに限らず、ステップＳ１０５の採用条件を調整してもよい。例えば、評価値Ｅ（ｐ＊）として符号誤り率を使用する場合の採用条件が、評価値Ｅ（ｐ＊）が閾値以下であることであるとき、評価値Ｅ（ｐ＊）として信号雑音比を使用する場合の採用条件を、評価値Ｅ（ｐ＊）が閾値以上であることとする。
　続いて、実施の形態２の効果について説明する。図６は、実施の形態２にかかる最適化システム２の最適化処理の経過時間と信号雑音比との関係を示す図である。図６では、一般的なシミュレーテッドアニーリング法を用いた従来の最適化曲線Ｃ１１と、最適化システム２の最適化曲線Ｃ１２とが併せて示されている。図６に示すように、一般的なシミュレーテッドアニーリング法を用いた場合よりも、本発明の実施の形態２にかかる最適化システム２では、最適化処理の序盤から中盤にかけて急速に特性改善を進めることができ、全体としておよそ５分の１の時間で最適化が収束することが分かった。
　図７は、実施の形態２にかかる最適化システム２の最適化処理のステップ数と信号雑音比との関係を示す図である。図７では、一般的なシミュレーテッドアニーリング法を用いた従来の最適化曲線Ｃ２１と、最適化システム２の最適化曲線Ｃ２２とが併せて示されている。図７に示されるように、最適化システム２では、ステップ当たりの測定時間τを削減しているが、一般的なシミュレーテッドアニーリング法を用いた場合と比較しても、特性劣化がみられないことが分かる。
　以上説明したように、本発明の実施の形態２では、評価値Ｅ（ｐ＊）として信号雑音比を用いた場合であっても、測定時間τを温度Ｔに基づいて決定することで、最適化処理にかかる時間を短縮することができる。
実施の形態３．
　図８は、本発明の実施の形態３にかかる最適化システム３の構成を示す図である。最適化システム３は、最適化システム１，２の構成に加えて、受信フィルタ５０を有する。受信フィルタ５０は、例えばＦＩＲフィルタであり、送信器１０から送信フィルタ２０を介して送信された信号が受信器３０で受信されるまでの通信路上に配置される。これにより、受信器３０には、受信フィルタ５０でフィルタリングされた後の信号が入力されることになる。以下、実施の形態１，２と異なる点について主に説明する。
　サンプラ４０の条件設定部４１が決定したパラメータ候補ｐ*は、送信フィルタ２０に加えて、受信フィルタ５０にも入力される。最適化システム３の動作は、最適化の対象とするパラメータに受信フィルタの調整パラメータが含まれる点を除いては、実施の形態１，２と同様であるため、ここでは説明を省略する。なお、受信器３０の構成に合わせて、評価部３１は、評価値Ｅ（ｐ＊）として、符号誤り率を用いてもよいし、信号雑音比を用いてもよい。
　以上説明したように、本発明の実施の形態３にかかる最適化システム３によれば、送信フィルタ２０の調整パラメータだけでなく、受信フィルタ５０の調整パラメータも最適化することができる。
実施の形態４．
　図９は、本発明の実施の形態４にかかる最適化システム４の構成を示す図である。実施の形態１～３では、物理的な通信路などによって、コスト関数の評価値Ｅ（ｐ＊）を求めていたが、これを計算機によるシミュレーションに置き換えてもよい。
　最適化システム４は、シミュレータ６０と、サンプラ４０とを含む。サンプラ４０の構成は、実施の形態１～３と同様である。サンプラ４０の条件設定部４１が設定した測定時間τおよびパラメータ候補ｐ＊は、シミュレータ６０に入力される。
　シミュレータ６０は、評価部３１を有する。またシミュレータ６０は、サンプラ４０が設定する条件、例えば、測定時間τ、パラメータ候補ｐ＊を用いて、無線通信路におけるデータ伝送をシミュレーションする機能を有する。シミュレータ６０がノイズのあるシステムをシミュレーションすると、一般的には、測定時間τに応じてコスト関数の評価値がばらつくという性質があり、物理的な通信路の特性を評価する際と同様に、測定時間τを温度Ｔに基づいて決定することで、最適化処理にかかる時間を短縮することができる。
　次に、実施の形態１～４のハードウェア構成について説明する。評価部３１と、条件設定部４１と、採否判定部４２と、終了判定部４３とは、それぞれ処理回路により実現される。これらの処理回路は、専用のハードウェアにより実現されてもよいし、ＣＰＵ（Central　Processing　Unit）を用いた制御回路であってもよい。
　上記の処理回路が、専用のハードウェアにより実現される場合、これらは、図１０に示す処理回路９０により実現される。図１０は、実施の形態１から４の処理回路９０を示す図である。処理回路９０は、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＦＰＧＡ（Field　Programmable　Gate　Array）、またはこれらを組み合わせたものである。
　上記の処理回路が、ＣＰＵを用いた制御回路で実現される場合、この制御回路は例えば図１１に示す構成の制御回路９１である。図１１は、実施の形態１から４の制御回路９１を示す図である。図１１に示すように、制御回路９１は、プロセッサ９２と、メモリ９３とを備える。プロセッサ９２は、ＣＰＵであり、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital　Signal　Processor）などとも呼ばれる。メモリ９３は、例えば、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable　Programmable　ＲＯＭ）、ＥＥＰＲＯＭ（登録商標）（Electrically　ＥＰＲＯＭ）などの不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ（Digital　Versatile　Disk）などである。
　上記の処理回路が制御回路９１により実現される場合、プロセッサ９２がメモリ９３に記憶された、各構成要素の処理に対応するプログラムを読み出して実行することにより実現される。また、メモリ９３は、プロセッサ９２が実行する各処理における一時メモリとしても使用される。
　以上の実施の形態に示した構成は、本発明の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本発明の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
　例えば、上記の実施の形態１から３では、受信器３０が評価部３１を有することとしたが、本実施の形態はかかる例に限定されない。図１２および図１３に示すように、サンプラ４０Ａが評価部３１を有していてもよい。図１２は、図１に示す最適化システム１の変形例を示す図である。図１３は、図８に示す最適化システム３の変形例を示す図である。図１２に示す最適化システム１Ａは、最適化システム１のサンプラ４０の代わりに、評価部３１を備えたサンプラ４０Ａを有する。同様に、図１３に示す最適化システム３Ａは、最適化システム３のサンプラ４０の代わりに、評価部３１を備えたサンプラ４０Ａを有する。この場合、受信器３０は、評価部３１を有さず、受信情報をサンプラ４０Ａに入力することになる。また、条件設定部４１は、サンプラ４０Ａ内部の評価部３１に測定時間τを入力することになり、評価部３１は、サンプラ４０Ａ内部の採否判定部４２に評価値Ｅ（ｐ＊）を入力することになる。サンプラ４０Ａが評価部３１を備えることで、受信器３０が測定時間τを設定する機能がない場合であっても、本実施の形態の技術を実現することが可能になる。
　また、上記の実施の形態では、送信フィルタ２０および受信フィルタ５０は、ＦＩＲフィルタとしたが、本実施の形態はかかる例に限定されない。送信フィルタ２０および受信フィルタ５０は、ＩＩＲ（Infinite　Impulse　Response）フィルタであってもよく、例えば、Ｖｏｌｔｅｒｒａフィルタのような非線形フィルタであってもよい。また、最適化の対象のパラメータｐは、上記の実施の形態では通信路のフィルタ係数であることとしたが、本実施の形態はかかる例に限定されない。例えば、パラメータｐは、送信パワー、送信デバイスの温度、変調周波数など、フィルタ係数以外の通信路の調整パラメータであってもよい。また、通信路も、複数の送受信機を多重したものであってもよい。
　また、上記の実施の形態では、信号雑音比の符号を反転したもの、または、符号誤り率を評価値Ｅ（ｐ＊）としたが、本実施の形態はかかる例に限定されない。信号雑音比または符号誤り率に基づいて算出される値を評価値Ｅ（ｐ＊）として用いることもできる。或いは、最適化の対象のパラメータが通信路の調整パラメータである場合、評価値Ｅ（ｐ＊）は、通信路の状態を示す値であれば、どのような値であってもよい。
　さらに、上記の実施の形態では、最適化の対象のパラメータは、通信路の調整パラメータであることとしたが、本実施の形態はかかる例に限定されない。通信路に限定されず、複数の調整パラメータがあるシステムにおいて、その特性の評価にノイズが生じる場合には、本発明の技術を適用することで同様の効果を得ることができる。
　なお、上記の実施の形態では、最適化システム１，２，３，４の構成および動作を説明したが、本発明の技術は、最適化システム１，２，３，４が実行する最適化方法、最適化方法の手順を実行するための最適化プログラム、最適化プログラムを記憶する記憶媒体などの形態でも実現することが可能である。
　１，２，３，４　最適化システム、１０　送信器、２０　送信フィルタ、３０　受信器、３１　評価部、４０　サンプラ、４１　条件設定部、４２　採否判定部、４３　終了判定部、５０　受信フィルタ、６０　シミュレータ。

Claims (11)

  1. 　シミュレーテッドアニーリング法を用いてパラメータを最適化する最適化システムであって、
    　使用する温度と、評価対象のパラメータであるパラメータ候補と、前記パラメータ候補を評価するためのコスト関数の評価値を測定する時間である測定時間とを含む条件を設定する条件設定部と、
    　設定された前記条件を使用して前記評価値を測定する評価部と、
    　前記評価値に基づいて、前記パラメータ候補の採否を判定する採否判定部と、
    　予め定められた終了条件が満たされたか否かを判定する終了判定部と、
    　を備え、
    　前記終了条件が満たされるまで、前記条件の設定と、前記評価値の測定と、前記パラメータ候補の採否判定とを含む評価処理を繰り返し、
    　前記条件設定部は、前記評価処理の繰り返し毎に、当該評価処理において使用される温度に基づいて、前記測定時間を決定することを特徴とする最適化システム。
  2. 　前記条件設定部は、前記評価処理において使用される前記温度が高いほど短くなるように前記測定時間を決定することを特徴とする請求項１に記載の最適化システム。
  3. 　前記条件設定部は、前記評価処理において使用される前記温度が高くなるほど単調に減少する関数に比例する値となるように前記測定時間を決定することを特徴とする請求項２に記載の最適化システム。
  4. 　前記条件設定部は、前記評価処理において使用される前記温度の平方根の逆数に比例する値となるように前記測定時間を決定することを特徴とする請求項３に記載の最適化システム。
  5. 　最適化の対象である前記パラメータは、通信路の調整パラメータであることを特徴とする請求項１から４のいずれか１項に記載の最適化システム。
  6. 　前記調整パラメータは、通信路のフィルタ係数を含むことを特徴とする請求項５に記載の最適化システム。
  7. 　前記評価部は、前記通信路を介して伝送されたデータの符号誤り率を測定し、前記符号誤り率の前記測定時間における平均値に基づいて前記評価値を算出することを特徴とする請求項５または６に記載の最適化システム。
  8. 　前記評価部は、前記通信路を介して伝送されたデータの信号雑音比を測定し、前記信号雑音比の前記測定時間における平均値に基づいて前記評価値を算出することを特徴とする請求項５または６に記載の最適化システム。
  9. 　前記終了条件は、最適化処理を開始してからの経過時間または前記評価処理の繰り返し数が予め定められた閾値に達することであることを特徴とする請求項１から８のいずれか１項に記載の最適化システム。
  10. 　前記評価部の機能は、計算機を用いたシミュレーションによって行われることを特徴とする請求項１から９のいずれか１項に記載の最適化システム。
  11. 　経時的に減少する温度スケジュールに従って変化する温度に基づいてパラメータ候補を選択し、選択したパラメータ候補のコスト関数の評価値を測定し、前記評価値に基づいて前記パラメータ候補の採否を決定する評価処理を繰り返し行うことで、パラメータを最適化するシミュレーテッドアニーリング法を用いた最適化方法であって、
    　前記最適化方法の実行を制御する制御装置が、前記評価処理の繰り返し毎に、評価対象の前記パラメータ候補を選択する際に使用する温度に基づいて、当該パラメータ候補の前記評価値を測定する測定時間を決定することを特徴とする最適化方法。
PCT/JP2018/021611 2018-06-05 2018-06-05 最適化システムおよび最適化方法 WO2019234837A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201880093937.4A CN112262397B (zh) 2018-06-05 2018-06-05 最优化系统、最优化方法、控制电路和程序存储介质
JP2020523895A JP6775711B2 (ja) 2018-06-05 2018-06-05 最適化システム、最適化方法、制御回路およびプログラム記憶媒体
PCT/JP2018/021611 WO2019234837A1 (ja) 2018-06-05 2018-06-05 最適化システムおよび最適化方法
US16/952,645 US20210073438A1 (en) 2018-06-05 2020-11-19 Optimization system, optimization method, control circuit and computer readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/021611 WO2019234837A1 (ja) 2018-06-05 2018-06-05 最適化システムおよび最適化方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/952,645 Continuation US20210073438A1 (en) 2018-06-05 2020-11-19 Optimization system, optimization method, control circuit and computer readable storage medium

Publications (1)

Publication Number Publication Date
WO2019234837A1 true WO2019234837A1 (ja) 2019-12-12

Family

ID=68769277

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/021611 WO2019234837A1 (ja) 2018-06-05 2018-06-05 最適化システムおよび最適化方法

Country Status (4)

Country Link
US (1) US20210073438A1 (ja)
JP (1) JP6775711B2 (ja)
CN (1) CN112262397B (ja)
WO (1) WO2019234837A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6925546B1 (ja) * 2020-04-29 2021-08-25 株式会社日立製作所 演算システム、情報処理装置、および最適解探索処理方法
EP4170558A1 (en) 2021-10-20 2023-04-26 Fujitsu Limited Program, data processing method, and data processing device

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11620979B2 (en) * 2019-12-18 2023-04-04 Google Llc Dynamic tempered sampling in generative models inference

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005143119A (ja) * 2003-11-05 2005-06-02 Mitsubishi Electric Information Technology Centre Europa Bv 通信ネットワークの少なくとも１つのパラメータの最適化方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5856734B2 (ja) * 1980-01-11 1983-12-16 新日本製鐵株式会社 フェライト系ステンレス鋼板の製造方法
JP3132587B2 (ja) * 1990-11-26 2001-02-05 富士電機株式会社 パワーデバイスの過熱検出回路
JPH0934951A (ja) * 1995-07-20 1997-02-07 Nec Corp 組合せ最適化方法
US6097771A (en) * 1996-07-01 2000-08-01 Lucent Technologies Inc. Wireless communications system having a layered space-time architecture employing multi-element antennas
JP2000250602A (ja) * 1999-03-02 2000-09-14 Yamaha Motor Co Ltd 総合特性最適化装置
JP3798264B2 (ja) * 2001-06-07 2006-07-19 日本放送協会 等価ｃｎ比とビット誤り率の測定装置及び方法
GB2412275B (en) * 2004-03-18 2006-04-12 Motorola Inc A method of selecting operational parameters in a communication network
JP2006350673A (ja) * 2005-06-15 2006-12-28 Fuji Electric Systems Co Ltd 最適化計算システム
US7975209B2 (en) * 2007-03-31 2011-07-05 Sandisk Technologies Inc. Non-volatile memory with guided simulated annealing error correction control
JP2009265867A (ja) * 2008-04-24 2009-11-12 Mitsubishi Electric Corp 組合せ最適解演算装置
CN102087337B (zh) * 2009-12-04 2013-12-11 哈尔滨理工大学 非线性模拟电路诊断激励的退火遗传优化方法
CN101826167B (zh) * 2010-03-31 2012-09-05 北京航空航天大学 基于云控制器的自适应多核并行模拟退火遗传方法
CN101947645B (zh) * 2010-09-14 2012-01-25 浙江工业大学 一种钢包卷渣过程识别方法
US9305257B2 (en) * 2013-05-20 2016-04-05 International Business Machines Corporation Adaptive cataclysms in genetic algorithms
CN103761138B (zh) * 2014-01-16 2017-01-18 昆明理工大学 一种交通仿真软件的参数校正方法
US10327159B2 (en) * 2014-12-09 2019-06-18 Futurewei Technologies, Inc. Autonomous, closed-loop and adaptive simulated annealing based machine learning approach for intelligent analytics-assisted self-organizing-networks (SONs)
CN104850891A (zh) * 2015-05-29 2015-08-19 厦门大学 一种时间序列预测的智能优化递归神经网络方法
CN107608818B (zh) * 2016-07-12 2021-05-18 深圳大心电子科技有限公司 解码方法、存储器存储装置及存储器控制电路单元
CN106777849A (zh) * 2017-03-31 2017-05-31 福州大学 一种用于求解给定边框约束的vlsi版图设计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005143119A (ja) * 2003-11-05 2005-06-02 Mitsubishi Electric Information Technology Centre Europa Bv 通信ネットワークの少なくとも１つのパラメータの最適化方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6925546B1 (ja) * 2020-04-29 2021-08-25 株式会社日立製作所 演算システム、情報処理装置、および最適解探索処理方法
EP4170558A1 (en) 2021-10-20 2023-04-26 Fujitsu Limited Program, data processing method, and data processing device

Also Published As

Publication number Publication date
CN112262397A (zh) 2021-01-22
US20210073438A1 (en) 2021-03-11
JP6775711B2 (ja) 2020-10-28
JPWO2019234837A1 (ja) 2020-09-03
CN112262397B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
WO2019234837A1 (ja) 最適化システムおよび最適化方法
US8860590B2 (en) Automatic gain control system for an analog to digital converter
US8570139B2 (en) Variable resister having resistance varying geometrically ratio and control method thereof
US20140218224A1 (en) Allocating resources to threads based on speculation metric
CN110441599A (zh) 一种用于频谱仪的检波方法和装置、可读存储介质
JP4249103B2 (ja) 蛍光寿命測定装置
JP7006587B2 (ja) 特徴量計測装置、電波環境計算装置、特徴量計測方法、電波環境計測方法、プログラム
KR102268173B1 (ko) 적응형 등화 장치 및 그 방법
KR900007924B1 (ko) Rf 입력 구동 포화 제어 루우프
US20170038485A1 (en) Apparatus, method, computer-readable medium, and system for adjusting data acquisition parameters during a scan performed by a positron emission tomography scanner
CN114567386A (zh) 高精度信道群时延特性拟合与模拟实现方法及系统
KR102613262B1 (ko) 적응형 등화 장치 및 그 방법
KR102000616B1 (ko) 저항 잡음원을 이용한 물체 내부 온도 측정장치 및 그 방법
JP5222857B2 (ja) 雑音低減装置および方法
US4691173A (en) RF input drive saturation control loop
CN111092602A (zh) 功率放大器的建模方法、装置、计算机设备和存储介质
WO2020178919A1 (ja) 信号解析装置、信号解析システムおよび信号解析方法
KR102243180B1 (ko) 적응형 등화 장치
KR101719741B1 (ko) 전력 케이블 진단 장치로 데이터를 전송하기 위한 장치 및 방법
CN111614585B (zh) 自适应均衡装置以及其方法
CN115598489B (zh) 量子比特参数的测量方法和装置、量子芯片的测试方法
US10404266B1 (en) Differential pulse-code modulation (DPCM) methods and systems for encoding cyclic data
Szopos et al. Synthesis tool based on genetic algorithm for FIR filters with user-defined magnitude characteristics
JP2023547409A (ja) 非線形デバイスの非線形関連パラメータを測定する方法、装置及びシステム
KR20200102675A (ko) 적응형 등화 장치 및 그 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18921383

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020523895

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18921383

Country of ref document: EP

Kind code of ref document: A1