Maximum Dispersion, Maximum Concentration: Enhancing the Quality of MOP Solutions

あなたは、完璧な一皿を作ろうとしているシェフだと想像してください。あなたには主に2つの目標があります。一つは、料理が最高に美味しくなければならないこと（目標1）、もう一つは、見た目が美しくなければならないこと（目標2）です。現実の世界では、これらの目標はしばしば衝突します。見た目を完璧にしようとすると味が平凡になったり、味を良くしようとすると見た目が損なわれたりすることがあるからです。

コンピュータサイエンスの世界では、これを多目的最適化問題（M0P）と呼びます。コンピュータは、これらの相反する目標の間の最適なバランスを見つけ出すために、特別な「進化型」プログラムを使用します。これらのプログラムは、「完璧な」選択肢の膨大なリストを生成しますが、これはパレート・フロントとして知られています。

しかし、Moreira、Meneghini、およびWannerによる論文は、コンピュータの一般的な仕組みにおける重大な問題を指摘しています。

問題点：「混み合った部屋」対「空っぽのホール」

コンピュータが100の完璧な料理を見つけたと想像してください。

• 「味／見た目」の世界（目的空間）では： コンピュータは素晴らしい仕事をしています。あらゆるトレードオフが見えるように、料理を分散させて配置しています。
• 「キッチン」の世界（決定空間）では： ここは材料や調理法が存在する場所です。ここで、コンピュータはしばしば間違いを犯します。100の完璧な料理を見つけ出しましたが、それらはすべて、ほぼ全く同じ材料と、ほぼ同じ調理法を使用しています。それらは一つのレシピの、ごくわずかなバリエーションに過ぎません。

もし、あなたがその料理の一つを選んだとして、使っていた特定のブランドの塩が手に入らなくなったら、どうなるでしょうか？ あなたは行き詰まってしまいます。なぜなら、それらはすべて同じブランドの塩に依存しているため、他の「完璧な」料理へと簡単に切り替えることができないからです。解決策は、メニュー上では分散して見えていても、キッチンの中では**クラスター化（密集）**しているのです。

解決策：「最大分散、最大集中」

著者らは、C-DWUと呼ばれる新しい手法を提案しています。これは、コンピュータのレシピ探索方法を変える、賢い副シェフのようなものだと考えてください。これは同時に2つのことを行います。

1. 最大集中（ターゲットゾーン）：
   シェフ（意思決定者）が、「私はどんな料理でもいいわけではない。『辛くて甘い』料理だけが欲しいのだ」と言ったとします。
   コンピュータは、メニューの「辛くて甘い」セクションの周囲に、目に見えない円錐形を描きます。そして、それ以外のすべてを無視し、その特定のゾーンの中で最高の選択肢を見つけることに全エネルギーを注ぎます。これは**関心領域（ROI）**と呼ばれます。

2. 最大分散（多様なキッチン）：
   その特定のゾーンに集中しながらも、コンピュータにはこう指示されます。「ただし、これらの辛くて甘い料理を見つける際には、全く異なる材料と方法を用いなければならない」。
   「塩Aを使ったスパイシーチキン」のバリエーションを100個見つける代わりに、塩Aを使ったもの、塩Bを使ったもの、異なるスパイスブレンドを使ったもの、フライパンで調理したもの、オーブンで焼いたもの、といった具合に、多様なものを見つけ出します。

仕組み（アナロジー）

著者らは、これを実現するために「ペナルティ・システム」を使用しています。

• コンピュータが最適な解決策を選んでいるゲームをしていると想像してください。
• もし、ある解決策がシェフの「辛くて甘い」円錐の外にある場合、コンピュータはそれに「ファウル（反則）」を与え、選ばれる可能性を低くします。
• もし、解決策が円錐の中にあり、かつ既に選ばれた他の解決策と似すぎている場合（キッチンの中で混み合いすぎている場合）、コンピュータはそれにも「ファウル」を与えます。
• コンピュータは、「辛くて甘い」というルールの中に留まりながらも、常に新しい、ユニークな材料を選び続けざるを得なくなるのです（分散）。

研究結果

研究者らは、この新しい手法を、一般的で人気のある手法（NSGA-IIと呼ばれます）と比較検証しました。

• 標準的な手法： 味と見た目の完璧なバランスに近い解決策を見つけ出しましたが、それらはすべてほぼ同じ材料を使用していました。キッチンの一角に固まってしまっていたのです。
• 新しい手法（C-DWU）： 味や見た目の面ではほぼ同等のレベルを見せつつも、キッチン全体に広く分散した解決策を見つけ出しました。これらは、非常に多様な材料と技術を使用していました。

結果： 新しい手法は、意思決定者に対してより優れた「メニュー」を提供します。もし一つの材料が入手不可能になっても、異なる材料を用いた、他に同等に優れた選択肢が豊富に存在します。これにより、単一の解決策しか持たないという「バイアス」を防ぐことができるのです。

まとめ

この論文は、コンピュータに対して次のように伝える方法を導入しています。「私の特定のニーズに合った最高の選択肢を見つけてほしい。ただし、それらの選択肢は、多くの異なる方法で構築されていなければならない」。これにより、現実世界で選択を迫られた際、単一の脆弱な解決策に縛られるのではなく、自身の基準を満たすすべての、多様で堅牢な選択肢を持つことができるようになるのです。