Transcript presentation - 知的システムデザイン研究室

2002.04.22 Monthly Lecture Meeting
分散GAの最適設計支援ソフトウェア
iSIGHTへの実装
2001年度共同研究成果報告
知的システムデザイン研究室
渡邉真也，吉田純一，
佐野正樹，上浦二郎，吉田武史，
○福永隆宏，片浦哲平
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
はじめに
なぜ企業と共同研究を行うのか？
基礎研究の成果を広く世の中の役に立てたい
（研究のための研究ではなく，世の中の役に立つ研究をする）
応用研究は研究室レベルではむずかしい
（専門的知識が必要，コストが高い）
さらに製品の開発・販売はほとんど不可能
一方，企業は開発力はあるが基礎研究が弱い
お互いの強みを生かした研究が可能
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
研究背景
知的システムデザイン研究室のねらい
研究成果を広く世の中の役に立てたい
分散GA
＋
最適支援設計ソフトウェア
「iSIGHT」
エンジニアス社のねらい
自社製品iSIGHTに性能の良いGAを導入したい
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
iSIGHTとは
開発元
Engineous Software Inc.（米国）
エンジニアス・ジャパン株式会社
機能
設計・解析・製造・管理プロセス
の自動化・統合化・最適化支援
・ 多数のジョブの自動実行
・ 複数の作業プロセスの自動化
・ パラメータスタディやパラメータの同定
・ 探索過程の可視化
が可能
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
iSIGHTに含まれる最適化手法
数理的最適化手法
逐次２次計画法，逐次近似法，外点ペナルティー関数法，
H-J探索法，許容方向法など
経験的最適化手法 ／ トレードオフ解析
探索的最適化手法
GA， SA（適応的SA）
Bäckが１９９２年に公開したGENEsYs
最新の研究の結果は反映されておらず，性能も低い
高性能な分散GAに置き換えたい
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
共同研究の目的
分散GAが有効な最適化手法であることを示し，
iSIGHTへの実装を目指す
Step1 : GENEsYsよりも性能が良いことを示す
Step2 : 実問題にも有効であることを示す
Step3 : ユーザビリティの高いGAを開発する
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
分散GAの性能
Step1：分散GAとGENEsYsとの性能比較
7つの数学的テスト関数による結果において，
分散GAが高い性能を示した．
Step2：実問題における分散GAの性能実証
ディーゼルエンジンの燃料噴射スケジュール最適化
において高い性能を示した．
次期バージョンのiSIGHTへの分散GAの組み込み決定
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
Step3：ユーザビリティの高いGAの開発
GAの問題点
設定すべきパラメータの数が多い
パラメータによって解探索性能が異なる
解決策
過去の研究（上浦ら）に基づきパラメータの推奨値を設定
ユーザは必要最低限のパラメータのみを設定
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
今後の予定
iSIGHT関連
・ 次期iSIGHTのリリース（2002年前半？）
・ Techgenによるプログラムの開発
・ 多目的GAの実装の検討
・ 並列化
ディーゼルエンジンの噴射率最適化
・ 多目的GAによる多目的最適化
・ 近畿大学，AVL社との共同研究（boost）
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
今後の予定と研究の関連
エンジニアス社との
共同研究
汎用GA
開発
iSIGHT
への実装
Techgen
最適パラメータ
の検討
多目的GA
関連
実問題：
ディーゼルエンジン
HIDECS
2000年度
2001年度
実数値GA
関連
boost
近大，AVL社との
共同研究
2002年度
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
Fin
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
最適化の流れ
最適化は2つの要素からなる
Optimizer
Analyzer
様々な手法に基づいて
探索点を決定
（例）GA，SA
提示された探索点の評価値
を求める（評価関数）
（例）経路長の計算
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
iSIGHTのフレームワーク
Optimizer
Analyzer
・任意のアナライザに対してさまざまな最適化手法
を適用することが可能
・プログラム間の通信はファイルを介して行う
・近似手法や実験計画法と組み合わせることも可能
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
Step１： GENEsYsと分散GAの比較
7つの代表的なテスト関数を用いて性能を比較
Evaluation value
Rastrigin(10次元)
Schwefel(10次元)
0.00E+00
0.00E+00
-5.00E-01
-5.00E-01
-1.00E+00
-1.00E+00
-1.50E+00
-1.50E+00
-2.00E+00
-2.00E+00
GENEsYs
DGA
-2.50E+00
GENEsYs
DGA
-2.50E+00
-3.00E+00
-3.00E+00
0
50000
100000
150000
Number of evaluations
200000
0
50000
100000
150000
200000
Number of evaluations
分散GAはGENEsYsよりも
高い解探索能力を持つ
Intelligent Systems Design Lab., Doshisha University
Step２:分散GAの実問題への適用
2002.04.22 Monthly Lecture Meeting
Step２：分散GAの実問題への適用
対象問題
ディーゼルエンジンの燃料噴射スケジュール最適化
利点： 燃費がよい
耐久性が高い
欠点： 環境への悪影響
（NOx，すすの排出量が多い）
燃料の噴射特性を
変更することで削減可能
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
分散GAによる噴射率の最適化
噴射率
DGA
HIDECS
燃費，NOx，SMOKE
噴射率：燃料噴射量の時間的変化
HIDECS：ディーゼル燃焼のシミュレータ
Intelligent Systems Design Lab., Doshisha University
Step２:分散GAの実問題への適用
2002.04.22 Monthly Lecture Meeting
実験結果（1）：適合度の推移
目的
NOx排出量の最小化
母集団
100
交叉率
1.0
交叉法
1点交叉
突然変異率
0.01
エリート個体数 5
島数
10
移住率
0.5
移住間隔
5
NOx
< 2.0
SMOKE
< 0.25
Intelligent Systems Design Lab., Doshisha University
Step２:分散GAの実問題への適用
2002.04.22 Monthly Lecture Meeting
実験結果（2）：最良解の形状
多段噴射： NOx排出量を削減すると経験的に知られている
実問題においても良好な結果が得られた
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
Step3：ユーザビリティの高いGAの開発
Step1，2の結果より
次期バージョンのiSIGHTに分散GAが組み込みまれる
公算が高まる
サンプルコードおよび仕様書の作成
GAの問題点
設定すべきパラメータの数が多い
パラメータによって解探索性能が異なる
Intelligent Systems Design Lab., Doshisha University
Step３:ユーザビリティの高いGAの開発
2002.04.22 Monthly Lecture Meeting
分散GAにおける推奨パラメータ
母集団
100
世代数
100
交叉率
1.0
交叉法
2点交叉
突然変異率
選択手法
エリート個体数
島数
移住率
移住間隔
1 / 染色体長
トーナメント選択
（トーナメントサイズ4）
5
各島の個体数を10と固定
（島数＝母集団サイズ / 10）
0.5
5
ユーザーの設定すべきパラメータは探索時間に関わる世代数のみ
Intelligent Systems Design Lab., Doshisha University
Step1:GENEsYsとの性能比較
2002.04.22 Monthly Lecture Meeting
実験に用いたパラメータ
母集団
100
交叉率
1.0
交叉法
2点交叉
突然変異率
選択手法
0.01
トーナメント選択（サイズ4）
エリート個体数
5
島数
10
移住率
0.5
移住間隔
5
試行回数
20試行平均
設計変数
10次元
対象問題
Rastrigin，Schwefel
Intelligent Systems Design Lab., Doshisha University
Step２:分散GAの実問題への適用
2002.04.22 Monthly Lecture Meeting
GAのパラメータ（現在のiSIGHT）
GAの最大の問題点：パラメータ設定の困難さ
現在のiSIGHTのパラメータ
Basic Parameters
→設定が比較的容易．ユーザによる試行錯誤が可能なレベル
母集団サイズ（Population Size）
最大評価計算回数（Max Number of Evaluation）
Advanced Parameters →設定が困難．GAに関する専門的な知識が要求される
交叉率（Crossover Rate）
突然変異率（Mutation Rate）
ジェネレーションギャップ（Generation Gap Size）
Max value for ranking
Small Creep Seeding，Small Creep % Variance，Small Creep Probability
Large Creep Seeding，Large Creep % Variance，Large Creep Probability
Boundary Seeding %，Boundary Probability
Intelligent Systems Design Lab., Doshisha University
2002.04.22 Monthly Lecture Meeting
おわりに
• 分散GAはGENEsYsよりも高い解探索能力を有す
• 分散GAはディーゼルエンジンの噴射率最適化問題
においても有効
• 分散GAのための推奨パラメータを決定，
サンプルコードを作成
Intelligent Systems Design Lab., Doshisha University