工学的設計問題において、複数の競合する目的を同時に最適化する技術は重要であり、進化型多目的最適化アルゴリズムの研究が活発化している。ここで、進化型多目的最適化アルゴリズムは従来手法と比べて多くの機能的な利点を有する一方で、複雑な実問題に対して処理時間が膨大になる問題点を有する。この問題を解決するための一つとして、近年、目的関数の近似モデルを機械学習などの手法で構築して代用するサロゲートモデルの研究が始まっている。ここでは、ニューラルネットワークを用いたサロゲートモデルの精度向上を目的として、正規化処理が与える影響に関して調査・検討した結果に関して報告する。