Research

進化計算

進化計算は，生物進化のメカニズムに着想を得た最適化手法であり，未知の特性を持つ問題にも適用可能です．代表的な進化計算手法として，遺伝的アルゴリズムや遺伝的プログラミング，進化戦略などがあります．進化計算はその汎用性と探索性能の高さから工学設計や産業界など幅広い分野で活用され，例えば新幹線N700系の先頭車両デザインなどにも応用されています．

実世界の最適化問題では，解を評価するためにシミュレーションや複雑な数値計算，人手による評価など膨大な計算コストが必要な問題が存在します．そのため，これらの高コストな最適化問題に対する進化計算の効率化が重要な研究課題となっています．

この課題に対する研究の一環として，当研究室は並列進化計算やサロゲート型進化計算の研究に取り組んでいます．

サロゲート型進化計算

進化計算は最適化の過程で莫大な回数の解評価を実行するため，最適化に要する実行時間が増大する問題があります．この問題を解決するために，機械学習モデルを用いて解評価値を推定しながら最適化するサロゲート型進化計算を研究を進めています．

並列進化計算

進化計算の計算効率と探索性能向上のために，複数の計算機で進化計算を並列実行する並列進化計算を研究しています．具体的には，一つひとつの解の評価時間に不均一性がある場合に並列進化計算の探索性能が低下する問題を解決する方法として，並列計算機の評価待機時間を削減する半非同期並列進化計算を研究や，探索頻度を考慮した親選択法を提案しました．

機械学習

強化学習を用いた協調自動運転

自動運転車の今後の普及を見据えて，道路上で自動運転車のみが走行する場合に，適切な制御方法を強化学習を通じて獲得する方法を考案しました．具体的には，車両に搭載された距離センサと車車間通信から得られる局所的な情報だけを使って，速度の異なる複数の車両が道路上で衝突なく走行できることを確認しました．