セミナー 印刷

進化計算による多目的最適化の基礎と応用技術

~進化計算・多目的最適化の基礎から、アルゴリズム・各種応用・最新研究まで~

受講可能な形式:【Live配信】のみ

☆進化計算・多目的最適化の基礎から詳しく丁寧に解説!毎回「分かりやすい」とお声をいただいているセミナーです。
☆化学構造の最適化・タイヤの設計・スマートグリッド・ニューラルネットワークの設計などの実問題への応用例と最新の研究まで!
実際に活用するための知識・具体的方法を基礎から習得できます。
※講演は日本語です。
日時 2022年12月15日(木)  10:30~16:30
会場 Live配信セミナー(会社・自宅にいながら受講可能)  
会場地図
受講料(税込)
各種割引特典
49,500円 ( E-Mail案内登録価格 46,970円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体45,000円+税4,500円
E-Mail案内登録価格:本体42,700円+税4,270円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で49,500円 (2名ともE-Mail案内登録必須​/1名あたり定価半額24,750円) 
※テレワーク応援キャンペーン(1名受講)【Live配信/WEBセミナー受講限定】
1名申込みの場合:受講料(定価:39,600円/E-Mail案内登録価格:37,620円 )

   定価:本体36,000円+税3,600円
   E-Mail案内登録価格:本体34,200円+税3,420円
 ※1名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。
 ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
 ※他の割引は併用できません。
配布資料PDFデータ(編集不可/印刷可)
※セミナー開催日の2日前を目安にマイページからダウンロード可能になります。
オンライン配信ZoomによるLive配信 ►受講方法・接続確認申込み前に必ずご確認ください
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

セミナー講師

信州大学 教授 HERNAN AGUIRRE(エルナン アギレ) 氏
専門:進化計算、多目的最適化、多数目的最適化、計算知能
・多目的と多数目的進化計算の基礎とその応用の研究
・持続可能なシステム設計の研究
・共同ディレクター、信州大学とフランスのリール大学の国際連携研究室、
 Frontiers in Massive Optimization and Computational Intelligence,
 https://sites.google.com/view/lia-modo/
 Editor in Chief  Genetic and Evolutionary Computation Conference GECCO 2018, Kyoto, Japan
 Program Chair Parallel Problem Solving from Nature PPSN 2022, Dortmund, Germany
ホームページ:http://soar-rd.shinshu-u.ac.jp/profile/ja.gNDpbpkh.html

セミナー趣旨

 このセミナーでは、進化計算による多目的最適化の基礎とその応用技術について解説します。
 多目的最適化は、品質とコストのように相反する複数の目的関数を考慮しなければならず、産業応用や意思決定における重要課題です。
 進化計算は生物の遺伝と進化の過程を模倣して構築された、たくましい解探索の手法です。進化計算は多数の目的関数と設計変数を含む複雑な最適化問題を効果的かつ効率良く解決します。
 講義では、効果的な多目的進化アルゴリズムを設計するための主なアプローチを紹介します。さらに、目的関数の数を4以上に増やすことの影響を説明し、多数目的最適化のための効果的なアルゴリズムを解説します。
 また、多目的進化計算の様々な実世界応用を紹介し、最後に進化的計算の分野における進行中の研究について論じます。

セミナー講演内容

 1.進化計算
 1.1 進化型アルゴリズムの特徴
 1.2 進化型アルゴリズムのプロセス
 
2.多目的最適化
 2.1 多目的最適化問題の定義
 2.2 パレート最適解
 2.3 トラディショナル多目的最適化手法
 
3.進化計算による多目的最適化
 3.1 多目的進化型アルゴリズムの特徴
 3.2 多目的進化型アルゴリズムのプロセス
  3.2.1 複製選択
  3.2.2 交叉、突然変異
  3.2.3 生存選択
 3.3 得られた非劣解集合に関する評価方法

4.多目的進化型アルゴリズムの分類
 4.1 パレートに基づくアプローチ
 4.2 パレート拡張に基づくアプローチ
 4.3 Indicatorに基づくアプローチ
 4.4 分解に基づくアプローチ 
 
5.進化計算による多数目的最適化
 5.1 目的関数の数を増やすことの影響
 5.2 多数目的進化型アルゴリズムの分類
 
6.応用
 6.1 実際問題の特徴
 6.2 化学構造最適化
 6.3 スマートグリッド
 6.4 タイヤ設計
 6.5 探査機軌道設計
 6.6 ニューラルネットワークの設計
 
7.進行中の研究
 7.1 多目的近似モデルを組み合わせる
 7.2 大希望最適化
 7.3 モデルベースの最適化(機械学習を導入した最適化)
 7.4 ランドスケープ解析とアルゴリズム選択

 □ 質疑応答□