| ■論文No. |
ST23037,CT23100 |
| ■ページ数 |
6ページ |
■発行日
|
2023/11/29 |
| ■タイトル |
重み付き隣接行列を用いたサロゲート遺伝的プログラミング |
| ■タイトル(英語) |
Surrogate Genetic Programming with Weighted Adjacency Matrix |
| ■著者名 |
針谷 亘輝(横浜国立大学),中田 雅也(横浜国立大学) |
| ■著者名(英語) |
Nobuki Hariya(YOKOHAMA National University),Masaya Nakata(YOKOHAMA National University) |
| ■価格 |
会員 ¥220 一般 ¥330 |
| ■書籍種類 |
研究会(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会 |
| ■本誌 |
2023年12月2日-2023年12月3日システム/制御合同研究会
|
| ■本誌掲載ページ |
41-46ページ |
| ■原稿種別 |
日本語 |
| ■電子版へのリンク |
|
| ■キーワード |
関数同定|サロゲート進化計算|代理モデル進化計算|組合せ最適化問題|Symbolic Regression|Gene Expression Programming|Surrogate|Predictor|Combinatorial Optimization |
| ■要約(日本語) |
サロゲート遺伝的プログラミング(SAGP)は、深層学習モデルの構造最適化など、高コストな最適化問題に有効な手法である。一般的なGPは、解を木構造で表現するが、この表現型に適したサロゲートモデルの構築方法が十分に検討されていない。本稿では、木構造を重み付き隣接行列に変換するエンコード方法を導入し、これを用いたSAGPを提案する。実験では、記号回帰問題を例題とし、提案法の性能を評価する。 |
| ■要約(英語) |
Surrogate-assisted generic programming(SAGP) is an effective approach for solving expensive optimization problems, but there is a little attention in designing a proper surrogate modeling for GP’s tree-based representations. This paper proposes an encoding method using a weighted adjacency matrix, which converts tree structures to ‘easy-to-learn’ forms, improving the surrogate quality. |
| ■版 型 |
A4 |
| ■PDFファイルサイズ |
1,201Kバイト |
