情報処理学会 第73回全国大会講演要旨

現実社会には様々な組合せ最適化問題があり，その解法も多数存在するが，
常に現実問題が解法アルゴリズムに当てはまるとは限らない．
そこで特徴が異なる解法は貴重である．
例えば，焼き鈍し法や遺伝的アルゴリズム(GA)は代表的であるが，
カオスニューラルネットワーク(CNN)は脳の連想の仕組みを模倣して
局所解からの抜出を実現しており，他の解法と比べて独特な数理的構造を有する．
特に単目的の最適化問題に対して高い解法能力を持つことが報告されており，
さらに一点探索法であるためGAよりも少ない計算コストで
優れた解を発見できる可能性がある．
しかし，多目的な最適化問題に対してCNNを適用した研究事例は見受けられず，
CNNが有用であるかは未知である．
そこで本研究では，最適解探索能力や計算コストの観点から，
多目的最適化問題におけるCNNの性能を評価する．