Downloaded 15 times
![[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...](https://cdn.slidesharecdn.com/ss_thumbnails/dl20220318dlfin-220322065433-thumbnail.jpg?width=640&height=640&fit=bounds)
多目的遺伝的アルゴリズム
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7. GAでパレート最適解集合を求める ②パレート的アプローチ（NSGA-Ⅱ) 0 1 2 3 4 5 6 0 1 23 4 5 6 1.ランキング法 解の優越関係に基づく個体の適応 度関数を作り、その関数でそれぞ れの点がｎ個の点に劣っていると き、その点のランクrをr=1+nとし てランクを付けていく。 このランクによって各世代内で、 個体に順番を付けていく。 ６５ ３ ２ １ １ ２ この四角の中 に何点あるか を見る 良 良 悪 悪7
- 8.
- 9.
- 10.
- 11. GAでパレート最適解集合を求める ②パレート的アプローチ（NSGA-Ⅱ) 計算方針(1→2~6の繰り返し) 1. まずはアーカイブ集団P(t)と母集団Q(t)を用意 する 2. P(t)とQ(t)の和集合をランクソート 3.境界となるランクで混雑度でソート 4. 残ったものをP(t+1)として残す 5. P(t+1)から混雑度トーナメント選択をして Q‘(t+1)を決定する 6. このQ’(t+1)に遺伝的操作を施してQ(t+1)とする 11
- 12.
- 13. GAでパレート最適解集合を求める ②パレート的アプローチ（NSGA-Ⅱ) 直観的なイメージ A 要因 プロット B 評価関数 0 1 2 3 4 5 6 0 12 3 4 5 6 P(t+1) Q‘(t+1) P(t) Q(t) 遺伝 操作 混雑度 トーナ メント 保存 淘汰 B１ B 2 ＊注意 Aのベクトルを示 すわけではない 13
- 14.
- 15. 応用例① • 最適経路検索 A：道順 B：速さ・費用・利便性など 電車の経路検索のように、早さ、費用など、人の目的に応じて最適なも のを選択できる。 •巡回セールスマン問題 A：道順 B：長さ・地点数 一般的な巡回セールスマン問題は単目的GAで計算することができるが、 いくつの地点を巡回できるか、という目的関数を加えた問題も解くこと ができる。 15
- 16. 応用例② • エンジン効率 A：時間-強度 B：燃費・排出ガス・耐久度 どれだけの強さ、どれだけの時間間隔でジェット噴射させるとよいのか を決定できる。 •建築における樹木の設置 A：位置-本数-木の種類 B：遮熱性・景観・費用 住宅等の樹木の配置をあらゆる観点から評価できる。 16