[論文レビュー] Using Domain Knowledge in Evolutionary System Identification

Marc Schoenauer, Michèle Sébag|arXiv (Cornell University)|Feb 7, 2006

Evolutionary Algorithms and Applications参考文献 23被引用数 7

ひとこと要約

本稿では、複雑な工学的問題における探索効率と解の品質を向上させるために、分野知識を進化的システム同定に統合する手法を提案する。構造力学における次元的一致性を確保するための制約付き遺伝的プログラミングと、地震波速度モデリングにおける専門家によるフィットネス関数を用いることで、分野に配慮した進化的計算が、制約なしのアプローチに比べてより正確で解釈可能なモデルを生成することを実証している。

ABSTRACT

Two example of Evolutionary System Identification are presented to highlight the importance of incorporating Domain Knowledge: the discovery of an analytical indentation law in Structural Mechanics using constrained Genetic Programming, and the identification of the repartition of underground velocities in Seismic Prospection. Critical issues for sucessful ESI are discussed in the light of these results.

研究の動機と目的

• 進化的システム同定における高次元的かつ不規則な探索空間の課題に対処するため、分野固有の制約を組み込むこと。
• 専門家の知識を用いて探索空間を制限することで、進化的アルゴリズムの効率性と収束性を向上させること。
• 分野知識が進化的計算における表現、演算子、初期化、フィットネス関数設計に与える影響を示すこと。
• 実世界の工学的応用において、制約付きの進化的アプローチが、制約なしの手法に比べてより解釈可能で正確なモデルを生成することを示すこと。

提案手法

• 構造力学のシステム同定における次元的一致性を保証するため、文脈自由文法を用いた文法誘導遺伝的プログラミング（G3P）を採用する。
• 導出木に基づく表現を設計し、進化した式の構文的・次元的妥当性を初期段階から保証する。
• 地震探査における探索空間の制限に、物理的境界（速度値の範囲）や層間の滑らかさといった分野固有の制約を用いる。
• 地下速度分布に関する一般的な直感的仮定を反映する専門家によるフィットネス関数を採用する。
• 分野知識に基づいて初期化および変異演算子（例：交差や変異）を修正し、探索の方向性と収束性を向上させる。
• コストの高いペナルティ関数を回避するため、制約に基づく探索をペナルティフリーに実施し、次元的に妥当な式に限定する。

実験結果

リサーチクエスチョン

• RQ1 分野知識をどのように効果的に進化的システム同定に組み込むことで、探索空間の複雑さを低減できるか？
• RQ2 構造力学における次元的一致性の強制が、進化したモデルの品質と解釈可能性に与える影響は何か？
• RQ3 地震探査における地下速度分布に関する専門家の仮定が、進化的アルゴリズムの性能に与える影響は何か？
• RQ4 分野に配慮した初期化および変異演算子は、標準的で汎用的な進化的演算子を上回る性能を発揮できるか？
• RQ5 特に暗黙の分野仮定を含むフィットネス関数の選択が、進化的システム同定の成功に与える影響の程度はどの程度か？

主な発見

• 文脈自由文法を遺伝的プログラミングに用いることで、次元的に整合する式に限定された探索空間が実現され、構造力学における収束性と解の品質が著しく向上した。
• ペナルティ関数を避ける制約に基づく探索は、不適切な解の探索を回避し、有効な解析的圧延法の発見をより迅速に実現した。
• 地震探査においては、専門家知識を暗黙的に組み込んだフィットネス関数（例：滑らかな速度遷移、物理的妥当性）が、より正確で地質学的に現実的なモデルを生成した。
• 初期化および演算子設計における分野知識の統合により、特に上限なしまたは不規則な探索空間を持つ問題において、複雑で長さが可変な表現の有効な探索が可能になった。
• 一般表現を用いても、分野知識による探索空間の制限が、進化的アルゴリズムが局所最適解に閉じ込められたり、生産性の低い領域を探索したりすることを防いだ。
• 本研究は、表現、演算子、初期化、フィットネス評価の各段階に分野知識を体系的に統合することで、進化的システム同定が最大限に効果を発揮することを示している。