@article{oai:ipsj.ixsq.nii.ac.jp:00212231,
 author = {西原, 慧 and 中田, 雅也 and Kei, Nishihara and Masaya, Nakata},
 issue = {3},
 journal = {情報処理学会論文誌数理モデル化と応用（TOM）},
 month = {Aug},
 note = {自己適応型差分進化法は，アルゴリズム構成を試行錯誤的に調整するため，少ない解評価回数では性能が十分に改善しない．本論文は，調整されたアルゴリズム構成の事前検証によって，試行錯誤的な調整を削減し，少ない解評価回数で高い性能を実現することを目的とする．また，提案する事前検証フレームワークは高い手法的汎用性があり，スケール係数，交叉率，突然変異・交叉戦略を個体ごとに調整する自己適応型差分進化法に適用できる．ベンチマーク問題を用いた実験では，代表手法であるjDEとSaDE，JADEにそれぞれ提案手法を適用した結果，通常よりも少ない数千オーダの解評価回数において，その性能が改善することを示す．これは，自己適応型差分進化法が不得意とする高計算コストな問題において，提案手法がこれに展開できる汎用的な方法論となりうることを示すものである．, Self-adaptive differential evolution approaches (self-adaptive DEs) often suffer to boost their performances under a limited number of fitness evaluations, since they heavily rely on the trial-and-error process required to adapt algorithmic configurations. In order to enhance the performance in early generations, this paper presents a generalized prior-validation framework for algorithmic configurations, which can be applicable to major variants of self-adaptive DEs that adapt the scaling factor, the crossover rate, and/or the mutation/crossover strategies for each individual. Experimental results on benchmark problems show that the proposed method successfully boosts the performances of jDE, SaDE, and JADE. Thus, the proposed method reveals a possibility of self-adaptive DEs toward computationally-expensive optimization problems where self-adaptive DEs have had a difficulty.},
 pages = {51--67},
 title = {自己適応型差分進化法におけるアルゴリズム構成の事前検証フレームワークによる性能の向上},
 volume = {14},
 year = {2021}
}