高次元高コスト問題に対する進化最適化手法の調査

進化計算は急速に発展している分野であり、関連するアルゴリズムはさまざまな実世界の最適化問題を解決するために成功裏に使用されています。過去10年間では、高次元高コスト問題（HEP）と呼ばれる挑戦的な最適化問題を解決するための急速な進歩も見られました。これらの目的のフィットネスを評価するためには、時間のかかる物理実験やコンピュータシミュレーションを使用するため、高コストのリソースが必要です。さらに、問題の次元が増加するにつれて、合理的なリソース内で巨大な探索空間を遍歴するのは困難です。従来の進化アルゴリズム（EA）は、満足のいく結果を得るために多くのそのような高コストの評価を実施する必要があるため、HEPを適切に解決できない傾向があります。そのような評価を減らすために、近年HEPに対処するための多くの新しい代理支援アルゴリズムが登場しています。しかし、この特定で重要な分野の最先端に関する徹底的なレビューは不足しています。本論文では、HEPのための進化アルゴリズムに関する包括的な調査を提供します。最初に、HEPの研究状況と基本概念について簡単に紹介します。次に、HEPのための代理支援進化アルゴリズムを4つの主要な側面から提示します。また、いくつかの代表的なアルゴリズムと応用例の比較結果も示します。最後に、HEPの進化最適化アルゴリズムの進展を促進するためのオープンチャレンジやいくつかの有望な方向性を示します。