抄録
進化型多目的最適化（Evolutionary Multiobjective Optimization : EMO）アルゴリズムの探索性能を改善するために，局所探索を組み込んだハイブリッドアルゴリズムが研究されている．このアルゴリズムは多目的Memeticアルゴリズムとも呼ばれ，EMOアルゴリズムよりも高い探索能力を示している．ただし，これらのハイブリッドアルゴリズムは構造が複雑になり，多くの計算時間を必要とする．この点を改善するため，先行研究において，局所探索に進化的探索で用いられる突然変異を適用するアルゴリズムを提案した．しかし，多くの組合せ最適化問題において，問題に適した局所探索は進化的探索より効率的に探索することができる．本研究では，問題に適した局所探索をEMOアルゴリズムに組み込む多目的Memeticアルゴリズムを提案する．数値実験により問題に適した局所探索の有効性を調査する．
