🐝

進化計算コンペティション2025に挑戦した話

に公開
2025/12/25

こんにちは!!

本記事は進化計算学会によって毎年実施されている、進化計算コンペティションの2025年開催に参加した記録です。コンペでは開発現場に存在する様々な最適化問題が課題として提供されるので、参加者は情報収集からリゾルバを開発して評価の向上を目指します。自由に参加することができ、参加者は最終的にリゾルバの設計と検証、ポスター発表までを行います。

https://www.jpnsec.org/symposium202503.html

進化計算とは

進化計算は組み合わせが無数にあるような問題で扱われる最適化手法の一つです。多くが生物の進化過程を模したアルゴリズムであるため、そう呼ばれています。

2023年参加の記事でもう少し説明しているので、まだイメージが湧きづらい方はそちらも見ていただけると理解しやすいかもしれません。

https://zenn.dev/soray677/articles/a2ba94b010ad3e#進化計算とは?

今回の課題

本コンペでは、「誘導モータの設計」が問題として取り上げられました。

https://opthub.ai/ja/problems/motor
誘導モータは、さまざまな製品の回転部分に広く利用されています。そのため、用途に応じた多様な設計が求められ、多くの場合、特注品(受注生産)も必要となります。競合他社より優れた製品を迅速に提案することが重要です。しかし、多くの製品が存在し、また人手不足も深刻なため、すべてを人力で設計するのは困難です。ここで重要なのは、「いかに迅速に高品質な設計案を導き出すか」や、「人間の介在を極力減らし、半自動的に設計対象を決定できるか」です。

本問題では、誘電モータの全ての設計パラメータを最適化します。これは、質量と効率の両面を考慮した、整数・実数混合の最適化問題です。

具体的には、誘導モータにおける以下16種類の整数・実数混合パラメータ値を決定する組合せ最適化問題です。

https://opthub.ai/ja/problems/motor/input_output

  • ステータスロット数(÷12した値)
  • 並列回路数
  • コイルピッチ
  • ロータススロット数
  • 鉄の内半径
  • モータ鉄の高さ
  • 導体の高さ
  • 導体の幅
  • 鉄の開口幅
  • 鉄の先端厚さ2
  • ステータとロータの隙間
  • 鉄の先端厚さ1
  • 素線幅
  • 素線厚み
  • コイル巻き数
  • 鉄の後ろ幅

特に影響の強い整数変数によって、その他パラメータが取り得る範囲が大きく変化するという特性があります。

リゾルバ開発のプロセス

本課題を解いていくにあたり、いくつかの情報ソースを読み漁りましたが、本課題に直接紐づくようなヒントは見つからなかったです。
そこで細かな解法以前の課題自体に着目し、本課題の根幹である「パラメータ間の相関度合い」をアルゴリズムの中心に据えるという方針に変更しました。各パラメータに対して、それぞれの相関を算出して活用することで最適解探索の速度を早められないかと考えたわけです。

今回は、上記を踏まえた上で 「人工蜂コロニーアルゴリズム・相対度マッピング・焼きなまし法」 という手法の掛け合わせでリゾルバの実現を目指しました。なお、「相対度マッピング」は今回の問題に合わせて私が新たに手法として考案したものです。

人工蜂コロニーアルゴリズム

人工蜂コロニーアルゴリズムは蜜蜂の採餌行動を元に作られた最適化探索手法です。以下のような蜂の動きがアルゴリズムに考慮されています。

  • 最初は最良食料(最良解)が見つかるまでランダムに探索
  • 最良食料(最良解)を発見したら記憶し、そこを元として次の最良食料を探索(= 最良解の調整がメイン)
  • 時々、これまでの最良食料(最良解)と無関係に探索

本来の人工蜂コロニーアルゴリズムの探索では新たな最良解探索に対し、誘導するようなことはしません。その分最良解を探すには時間がかかります。

今回は解探索の仕組みに対して、相対度を活用した誘導性を追加することで探索速度を向上できるのではないかと考え、本アルゴリズムを一部に採用しました。
具体的には、相対度によるスコアリングを行い、ルーレット選択によって評価に使う対象個体の決定を行います。

相対度マッピング

相対度マッピングは、パラメータ間の相対関係を数値化するために私が今回思いついた手法です。どのパラメータがどれほど変化したか・結果としてどれだけ評価結果の点数が増えたかを元に各相対度をマッピングします。

例えば以下のような解となるパラメータと評価スコアがあるとしましょう。

# 元の解
[1, 0.5, 2, 0.5, 0.5] -> 評価スコア: 100

# 新規解1
[2, 0.5, 1, 0.5, 2.0] -> 評価スコア: 120

# 新規解2
[1, 1.0, 2, 0.5, 0.5] -> 評価スコア: 90

このとき、

  • 元の解 - 新規解1:[0]番目のパラメータが2倍、[2]番目のパラメータが1/2倍、[4]番目のパラメータが4倍になっており、解評価スコアが120(+20)点
  • 元の解 - 新規解2:[1]番目のパラメータが2倍、[3]番目のパラメータが1/2倍になっており、解評価スコアが90(-10)点

ということがわかると思います。

上記を元に、相対度を算出します。算出式の概要としては以下です。

\sqrt{\sum_{i=1}^{16}[i]番目のパラメータの変化量^2} \times (対象パラメータ数 / 変更した全パラメータ数) × スコアの改善量

例えば、元の解 - 新規解1の例で言えば、[0,2,4]番目のパラメータが変化したわけですが、その中には[0,2],[0,4],[2,4],[0,2,4]の組み合わせが内包されているとわかると思います。また 元の解 - 新規解2 では解評価スコアがマイナスになっています。それぞれに対して、算出式を用いて相関度マッピングを行うと以下テーブルのようになります。

対象パラメータ 途中式 算出結果(大体)
[0,2] sqrt((2^2 + 2^2)) * (2/3) * 20 37
[0,4] sqrt((2^2 + 4^2)) * (2/3) * 20 59
[2,4] sqrt((2^2 + 4^2)) * (2/3) * 20 59
[0,2,4] sqrt((2^2 + 2^2 + 4^2)) * (3/3) * 20 97
[1,3] sqrt((2^2 + 2^2)) * (2/3) * (-10) -40

このマッピングを活用した重み付けを使って次の解探索を行えば、[0,2,4]は次も選ばれやすく、[1,3]は選ばれにくくなります。[1][2]
このマッピング作業を繰り返していくことで、動的にマッピング状況が変化して最良解の傾向を常に算出し続けることができます。

焼きなまし法

焼きなまし法は金属の熱を高温から徐々に冷まし、安定した結晶構造に落ち着く現象を模した探索技法です。解探索が収束して局所解から抜け出せなくなるのを助けてくれます。

相対度マッピング手法を採用しましたが、手法の弱点として対象パラメータが多いものがマイナスの結果となったときに、減少値がかなり大きくなり、選ばれることが極端に少なくなるという問題がありました。
そこで焼きなまし法を追加することで、相対度マッピングによる解探索誘導を緩和し、バランスを取ろうと試みました。

焼きなまし法を応用した数式は以下です。簡単に説明すると、解探索の前半ではパラメータ数が多いものが選ばれやすく少ないものが選ばれにくくなります。後半に進むにつれてこの関係が徐々に逆転するようになっています。

(1 - 評価進行率) \times (対象パラメータ数 / 変更した全パラメータ数) + 評価進行率 \times \{ 1 / (対象パラメータ数 / 変更した全パラメータ数) \}

各部門への参加結果

単目的部門では目的関数を”質量”、多目的部門では目的関数を“質量”・“-効率”として評価結果が変わります。結果はそれぞれ以下です。

  • 単目的部門

常に1E126を出し続けている単目的部門結果

  • 多目的部門

常に0を出し続けている多目的部門結果

結論、どちらも実行可能解が出ませんでした。

考察

相対度マッピング・焼きなまし法は想定した通りに動いていたか

以下の図は、相対度マッピングの変化を可視化したものです。評価回数を1000回として中盤500回時点(左)と終盤1000回時点(右)でそれぞれグラフにしました。

分析してみると、以下のことがわかります。

  • 中盤では、対象のパラメータ数が多いほど評価値が高くなるのがわかると思います。これは焼きなまし法による解領域を広ようとする挙動が効いている証拠です。
  • 終盤では、対象パラメータ数が少ない方に評価値が高くなり始めているのがわかると思います。これもまた焼きなまし法による挙動ではあるのですが、想定よりも変化が遅くはあります。もっと明確にパラメータが少ないほど評価値が大きくなるという形になっても良いかなと思います。
  • また、全体を通じて特定のパラメータの組み合わせの評価が高くなるということはなかったため、相関度マッピングの良さは出なかったかなと思います。

よって、「解探索領域の誘導はある程度成功しているが、意図通りに誘導するには探索回数が不足であった。常に実行不可能解のため相関の算出はできていない状況である。」と言えます

改善案

ここまでを踏まえて改善についていくつか考えてみます。

1. 可能であれば解探索の仕組みに実行不可能解を判別する仕組みを導入

今回の問題では、実行不可能解の予測などは行わずに、その多くが実行不可能解として評価回数を食いつぶしてしまいました。可能なのかは調査が必要ですが、実行可能な解の数を増やせれば相対度マッピングは効果を発揮してくれるだろうと見てます。

2. 最終的なスコアではなく、各制約条件を相関算出に活用

本手法では最終的なスコアを相関度の評価として活用したが不適だった可能性があるかなと思いました。理由としては、各制約条件に対する数値であれば実行不可能解であっても算出されたためです。スコアが仕組みとしてはシンプルなのでそのまま組み込み失敗しましたが、各制約条件の数値をうまく使うことができればもっと良い結果になったのかなと思います。

3.解探索領域の誘導強化と無関係な解探索の概念を追加

相関度マッピングと焼きなまし法による探索領域の誘導が想定よりも遅めだったと思います。より素早く解領域を絞るように調整することも探索にはもしかしたら効果があるやもしれません。ただし、そこを強化した分は、局所解に落ち込むリスクを高めるので、同時に解探索領域に縛られない探索の概念を追加するなどの手を一緒に考える必要があると思います。

感想

今回はこれまでの既存を組み合わせるアプローチから大きく変え、新たな手法を自分で生み出してコンペに参加してみました。結果としては振るわなかったものの、参加会場では様々な人に面白い手法だとおっしゃっていただき大変満足です。
この手法は様々なところで使えるのではと見ているので、別の課題でも使えそうな場面があれば挑戦してみたいと思います。

実際のコード管理をしたGitHubのリポジトリは以下に置いておきます。ではでは!

https://github.com/SoraY677/eccomp-2025

脚注
  1. 負値が含まれる場合は最小の負値が0になるような値を全体に加算 ↩︎

  2. 1パラメータのみに対する重み付けはマッピング全体の平均値として設定 ↩︎

Discussion