多目的最适化と超音速机主翼设计-东北大学流体科学研究所.PDF

第４章 多目的最適化と超音速機主翼設計 4.1 はじめに 実際の工学問題で要求されている目的は通常 1 つだけでなく複数存在することが多い。航空工学を例 にとれば、３次元翼の空力最適化問題は抗力最小化を求める単目的最適化問題である。しかしながら航 空機の主翼設計を行う際には、空力(抗力最小化)、構造（翼重量最小化）、装備（燃料タンク最大化など） 等を考慮する必要がある。つまり、より実用的な空力設計を実行するには多目的最適化問題を考える必 要がある。また、これらの要素はしばしば互いに相反する要素を持っているので、最適化を行う際には各 要素の妥協解を得ることが重要である。 従来、多目的最適化問題の解は、もとの問題を何らかの工夫により単一目的の問題に変換するという スカラー化手法により求められてきた。しかしながら、多目的問題での本質が複数の目的関数間でいかに トレードオフをとるかという点にあるため、スカラー化による単一の最適解を求めても不十分である場合が 多い。一方、多目的最適化の解について、「パレート最適」という重要な概念がある。このパレート最適解 とは、ある目的関数の値を改善するためには少なくとも1つの他の目的関数の値を改悪せざるを得ない解 のことであり、目的関数間のトレードオフに関して最適な解の集合を形成することになる。ここで、複数の 個体の発生により多点探索を行うというGAの特徴を考慮すると、目的関数をパレート最適性で評価し、パ レート最適解の集合を同時に求めることが可能であることに気付く。 一般にGAを用いると関数評価の回数が多くなるため、GAは最適化法としてはあまり効率的な方法で あるとはいえない。しかし、パレート解を同時に多数求められるとなると、話は全く違ってくる。従来の方法 で複数のパレート解を求めるには、目的関数をスカラー化する際の重みを変えながらパレート解を一つづ つ求めていく必要がある。すなわち、計算コストは必要とするパレート解の数に応じて線形に増えていく。 一方、多目的GA – MOGA (Multiple-Objective Genetic Algorithm) –では、これまでの単純GAとほぼ同 様な関数評価の回数で、パレート解の集合を同時に求めることができる。いわばGAでは、問題の難易度 を高めても計算コストは増えない。さらには、単純GAでは計算に用いた集団の中から最適解を一つ選び 後は捨てていたのに比べ、MOGAでは隣接するパレート解はトレードオフ情報を定量的に与えるため、 すべてのパレート解が意味を持つ。つまり、一つのパレート解あたりのコストは集団の個体数分の一に減 少することになる。 そもそもGAは、ロバストで大域的最適化ができることに特徴があった。これに加えて、多目的最適化で、 並列計算により多数のパレート解を同時にしかも効率よく求められることは大きな利点である。さらに、GA は解いている問題について盲目的であるという利点を加えると、空力問題だけではなく連成問題の複合 最適化に容易に拡張することができる。空力や構造といった個々の領域で感度解析を行うことなく、シス テム全体の複合最適化が可能となる。 さて、MOGA によって複数のパレート最適解を同時に求めることができるが、この特徴を活かしパレート 解の集合からなるべく一様に解をサンプリングするためには、進化させる集団に多様性を持たせることが 重要になる。そこで本節では、GA の重要な要素である世代交代モデルとニッチングを数種類組み合わ せ、簡単な多目的最適化問題に用いて、多様性を保ちつつパレート最適解を効率的に得るために有効 な GA の手法を検討してみよう。 4.2 MOGA 多目的最適化では複数の目的関数間の重みがあらかじめ明確でないことが多い。一般的にこうした場 合は単一の最適解を持たず、ある目的関数をよくしようとすると別の目的関数が悪くなるようなトレードオフ 4-1 を持つ非劣解の集合が解となる。まず非劣解の概念を定義しよう。 x と x を実行可能解とし、 i j f (f 1