[1J5-GS-2] 機械学習: 基礎理論 (2)

[1J5-GS-2-04] 高次元ブラックボックス最適化のための曲率推定に基づく座標選択CMA-ES

〇清水 洸希¹、豊田 正史² (1. 東京大学、2. 東京大学 生産技術研究所)

キーワード：ブラックボックス最適化、進化計算、機械学習

本論文では，CMA-ESを用いた高次元ブラックボックス最適化において，目的関数の推定された曲率に基づく座標選択法を提案する．
ブラックボックス最適化においては，目的関数の変数間の依存関係や悪条件性に適応可能なアルゴリズムが求められる．
CMA-ESは，分散共分散行列を用いることで，変数間の依存関係に適応可能であるが，高次元空間では悪条件性に適応できないことが報告されている．
本手法では，最適化の過程で推定された曲率が近い変数毎にパラメータの更新を行うことで，変数間の依存関係と悪条件性の双方を考慮した最適化を目指す．
実験では，ベンチマーク関数を用いて，目的関数の性質毎に，既存のCMA-ESとの比較を行い，提案手法の性質を確認した．