Hiroyuki SATO (佐藤 寛之)

Offer Organization: 日本学術振興会, System Name: 科学研究費助成事業, Category: 基盤研究(B), Fund Type: -, Overall Grant Amount: - (direct: 13600000, indirect: 4080000)
当初計画のとおり，[研究項目C]パレートセット推定と，[研究項目D]集約モデルベース進化計算に取り組んだ．パレートセット推定では，少数の既知の非劣解集合から，変数空間におけるパレートセットを推定する．具体的には，目的関数空間における既知の非劣解の方向に対応する変数値を応答曲面法に基づいて学習し，目的関数空間における任意の方向に対して，変数空間における非劣解の変数値を推定する．これにより，少数の非劣解集合から，良好な目的関数値を示す非劣解の変数空間における位置を推定して表現する．また，集約モデルベース進化計算では，推定モデルを利用して良い解を効率的に生成したり，推定モデルそのものを改善したりする．具体的には，目的関数空間におけるパレートフロントの推定精度の信頼性が低い領域について，対応する変数値を実際に評価する．評価した解によって既知の非劣解集合を更新し，推定モデルを洗練させる．推定モデルの精度によって，既知の非劣解集合を更新しにくい場合のために，進化計算によるランダム性を伴う解生成を並行して実行する仕組みも組み込んだ．テスト問題において，提案する集約モデルベース進化計算が，ランダム性を含む進化計算のみによる解の生成法より，効率的に良い解を生成できることを明らかにした．また，推定モデルそのものを改善するためには，パレートフロントの推定精度の信頼性が低い領域の解を生成することだけでなく，進化計算によるランダム性を伴う解生成を並行して実行することが重要であることを明らかにした．

Offer Organization: Japan Society for the Promotion of Science, System Name: Grants-in-Aid for Scientific Research, Category: Grant-in-Aid for Scientific Research (B), Fund Type: -, Overall Grant Amount: - (direct: 13600000, indirect: 4080000)
まず，当初計画の[研究項目A]として，目的空間における解集合アグリゲーションによって，推定パレートフロントを得る方法を構築した．具体的には，限られた既知の良好な解集合の目的関数値ベクトルをもとに，目的関数空間の各方向におけるパレートフロントの位置を，クリギング法や放射状基底関数ネットワークを用いて推定する．凸型，凹型，分離型のパレートフロントを有するテスト最適化問題において，提案法が，パレートフロントを良好に推定できることを明らかにした．また，提案法は，目的関数空間において，パレートフロントが存在しない方向についても，最良の目的関数値を示せることを明らかにした．これは，パレートフロントが存在しない目的空間の領域の目的関数値を意思決定者に説明する手段として有益であると考えられる．


つぎに，当初計画の[研究項目B]より先行して，[研究項目C]変数空間における解集合アグリゲーションによって，推定パレートセットを得る方法を構築した．これは，[研究項目A]の検討の過程で，[研究項目A]と共通の仕組みを用いて[研究項目C]を実現できることがわかってきたためである．具体的には，限られた既知の良好な解集合の変数値ベクトルをもとに，目的関数空間の各方向に対応する変数空間における位置をクリギング法や放射状基底関数ネットワークを用いて推定する．テスト問題において，提案法は，ランダム性を含む進化計算による解の生成法より，目的関数値の良好な解を獲得できることを明らかにした．また，実問題においても，効果があることを明らかにした．

Offer Organization: Japan Society for the Promotion of Science, System Name: Grants-in-Aid for Scientific Research, Category: Grant-in-Aid for Scientific Research (C), Fund Type: competitive_research_funding, Overall Grant Amount: - (direct: 3000000, indirect: 900000)
本研究の期間は2021～2023年度であり、フェイクニュース対策の技術的な手法を追求している。フェイクニュースの拡散予測、フェイクニュースの検知精度の向上、フェイクニュースを信じるユーザの説得と社会の分断の緩和を取り上げている。2021年度には、フェイクニュースの拡散モデルの構築および、モデルを用いた拡散予測と検知を検討した。
当該年度（2022年度）には、ツイッター上のニュースから実データを収集して評価データを作成し、検知システムの精度および処理効率を向上した。評価データは、フェイクニュースとリアルニュース各10件から成り、各ニュースの発信者および転送者、各ユーザによる各ニュースの発信／転送時刻、ユーザ間のフォローフォロワー関係、ユーザがサンプルニュース以外に発信／転送した全てのつぶやきとその時刻から構成される。検知精度の向上については、フォローフォロワー関係のない孤立ユーザが検知精度の低下原因になることを見出し、フォローフォロワー関係のあるユーザのみから検知することで解決した。また、検知プログラムにおけるユーザIDの管理方法を改善することで処理時間を1/5に短縮し、大規模評価の見通しを得た。検知プログラムを評価データに適用し、フェイクニュースおよびリアルニュースに関わったユーザのニュースに対する信頼度およびユーザ間の信頼度を定量的に推定した。さらに、フェイクニュースは文章だけでなく、画像を用いる場合が多いので、投稿画像からのフェイクニュース検知の基礎検討を行った。

Offer Organization: Japan Society for the Promotion of Science, System Name: Grants-in-Aid for Scientific Research, Category: Grant-in-Aid for Scientific Research (C), Fund Type: competitive_research_funding, Overall Grant Amount: - (direct: 3300000, indirect: 990000)
We studied evolutionary computation methodology to optimize multiple objective functions simultaneously. For continuous problems with real value design variables and discrete problems with discrete design variables, binary 0/1 especially, we respectively proposed test optimization problems that could specify similarities among objective functions. For these problems, we proposed evolutionary optimization algorithms that estimate similarities among objective functions by solution distributions in the variable space and utilize them to enhance or suppress the cooperative search in crossover generating new solutions by recombining two existing solutions. Results showed that the proposed algorithms could estimate similarities among multiple objective functions and utilized them to improve the simultaneous optimization of multiple objective functions compared to conventional evolutionary algorithms.

Offer Organization: Japan Society for the Promotion of Science, System Name: Grants-in-Aid for Scientific Research, Category: Grant-in-Aid for Young Scientists (B), Fund Type: competitive_research_funding, Overall Grant Amount: - (direct: 3200000, indirect: 960000)
For multiple optimization problems with different characteristics, this research developed a mapping method of these optimization problems into a two-dimensional space to visually represent relationship strengths among these optimization problems. Also, this research developed a mapping method of optimization algorithms based on evolutionary computation into a two-dimensional space to visually represent relationship strengths among these optimization algorithms. Furthermore, based on these maps and their dada, this research developed an estimation method of the position of an unknown optimization problem on the optimization problem map generated by known optimization problems.

Offer Organization: Japan Society for the Promotion of Science, System Name: Grants-in-Aid for Scientific Research, Category: Grant-in-Aid for Young Scientists (B), Fund Type: competitive_research_funding, Overall Grant Amount: - (direct: 2800000, indirect: 840000)
In engineering design optimization, robust solutions (designs) with a small influence of noises are often employed even if their evaluation values are slightly worse than other candidate solutions. For noisy multi-objective optimization problems, this work designed an evolutionary optimization framework which the decision maker can consider not only evaluation values of each solution but its noise levels to select the final solution from the obtained solution set. First, this work proposed a method to approximate the optimal trade-off among multiple objectives and their noise levels. Next, since the number of noises should be minimized is increased with increasing the number of objectives, this work also proposed evolutionary many-objective optimization techniques. Furthermore, a decision making support user interface to effectively show high-dimensional vectors involving multiple objective values and their noises was proposed.

Offer Organization: Japan Society for the Promotion of Science, System Name: Grants-in-Aid for Scientific Research, Category: Grant-in-Aid for Research Activity Start-up, Fund Type: competitive_research_funding, Overall Grant Amount: - (direct: 2020000, indirect: 606000)
To develop effective multi-objective evolutionary algorithms (MOEAs) for many-objective optimization problems which optimize more than four objective functions simultaneously, in this work we have developed a novel MOEA partially applying Pareto dominance and a method to self-control the dominance area of solutions. Also, to encourage the solutions search in many-objectives problems, we have developed a method of crossover controlling the number of crossed genes. The result of performance verification using benchmark problems revealed that proposed methods significantly improve the search performance of MOEA on many-objective optimization problems.