[論文レビュー] Monte Carlo based Designs for Constrained Domains

Shirin Golchi, Jason L. Loeppky|arXiv (Cornell University)|Dec 23, 2015

Probabilistic and Robust Engineering Design参考文献 27被引用数 4

ひとこと要約

本稿では、コンピュータ実験において一般的に見られる高次元で非凸的、または多様体に埋め込まれた制約付き入力領域において、従来の棄却サンプリングが失敗する状況でも、一様かつ空間を均等に埋める候補点を生成するための逐次的制約付きモンテカルロ（SCMC）サンプリングアルゴリズムを提案する。この手法は、重要度サンプリングとMCMCステップを用いて、境界超立方体からターゲット領域へ点を効率的に移動させ、距離ベースまたはモデルベースの基準に基づく有効な設計構築を可能にする。カナダの地図やトーラス面といった複雑な領域でも成功が確認された。

ABSTRACT

Space filling designs are central to studying complex systems in various areas of science. They are used for obtaining an overall understanding of the behaviour of the response over the input space, model construction and uncertainty quantification. In many applications a set of constraints are imposed over the inputs that result in a non-rectangular and sometimes non-convex input space. Many of the existing design construction techniques in the literature rely on a set of candidate points on the target space. Generating a sample on highly constrained regions can be a challenging task. We propose a sampling algorithm based on sequential Monte Carlo that is specifically designed to sample uniformly over constrained regions. In addition, a review of Monte Carlo based design algorithms is provided and the performance of the sampling algorithm as well as selected design methodology is illustrated via examples.

研究の動機と目的

• 標準的な棄却サンプリングが非効率となる高次元で非凸的、または制約付きの入力領域において、一様な候補点を生成する課題に対処すること。
• 複雑な領域では生成が困難なため、既存の設計アルゴリズムが候補点に依存するという制限を克服すること。
• 最大最小距離やFFF設計などの既存の空間を埋める設計手法を、不規則または非凸的領域に適用可能にするために、信頼性の高いサンプリングメカニズムを提供すること。
• 埋め込み空間でサンプルを生成し、測地線距離を用いることで、多様体上での設計構築を容易にすること。
• グローバル最適化に比べて計算効率を向上させるために、設計基準（例：最大最小距離）を条件付きで最適化する一般的な逐次的設計アルゴリズムを開発すること。

提案手法

• 境界超立方体から点を反復的に移動させることで、制約付き領域から一様にサンプリングするための逐次的制約付きモンテカルロ（SCMC）アルゴリズムを適応する。
• 点が制約付き領域に近いかどうかに基づいて重み付けを行う重要度サンプリングを用い、その後MCMCステップで位置を精緻化し、一様性を確保する。
• SCMCサンプル上にグラフを構築し、多様体上の測地線距離を近似することで、多様体の内在的幾何における距離ベースの設計基準を適用可能にする。
• 事前に選択された点を条件として、1点ずつ設計基準（例：最大最小距離）を最適化することで点を選択する逐次的設計アルゴリズムを実装する。
• SCMCサンプルを、サンプリングと距離計測の両方の基盤として使用し、既存の設計フレームワークと互換性を保つ。
• カナダの地図やトーラスの表面といった実世界の例にこの手法を適用し、高制約・非凸的状況下でも高い頑健性を示した。

実験結果

リサーチクエスチョン

• RQ1 棄却サンプリングが計算的に非効率となる高次元で非凸的、または制約付きの入力領域において、どのように一様なサンプリングを効率的に達成できるか？
• RQ2 逐次的モンテカルロ手法を、サンプルを破棄せずに複雑な領域における空間を埋める設計のための候補点を生成するために適応できるか？
• RQ3 多様体上での測地線距離の使用は、埋め込み空間におけるユークリッド距離と比較して、空間を埋める設計の質をどのように向上させるか？
• RQ4 提案されたSCMCベースのサンプリングによって、既存の設計アルゴリズム（例：FFF、最大最小距離）が非長方形または非凸的領域にどの程度適用可能になるか？
• RQ5 SCMC生成サンプルに基づく逐次的最適化による条件付き最適設計の計算的・統計的性能はいかほどか？

主な発見

• SCMCアルゴリズムは、110個の多角形からなる非常に制約が強く非凸的な領域であるカナダの地図に対しても、一様なサンプルを効果的に生成し、棄却サンプリングが最大50％の点を破棄する非効率性を回避した。
• 測地線距離をIsomapアルゴリズムでSCMCサンプル上に近似することで、トーラスの表面にサイズ50の条件付き最大最小距離設計を構築した。
• SCMCサンプラーは、複雑な領域において高い受容率と一様なカバレッジを達成し、高次元の制約付き空間において、単純な棄却サンプリングに比べて優れた性能を示した。
• SCMCサンプルに基づく逐次的設計アルゴリズムは、段階的最適化により設計基準を最適化することで、グローバル最適化の必要を回避し、計算効率を向上させた。
• 多様体上での測地線距離の使用は、特にトーラスのような曲面では、ユークリッド距離よりも適切で一様な設計を生み出した。
• 提案されたフレームワークは多様な設計基準をサポートしており、FFF設計やD最適設計の構築といった既存の手法とも互換性があり、それらの適用範囲を制約付き領域に拡張した。