Shapour Azarm, Brian J. Reynolds, and Sanjay Narayanan.
"Comparison of Two Multiobjective Optimization Techniques With and Within Genetic Algorithms"
In CD-ROM Proceedings of the 25th ASME Design Automation Conference, volume Paper No. 　　　　　　　　DETC99/DAC-8584, Las Vegas, Nevada, September 1999

日本語訳タイトル：遺伝的アルゴリズムを用いての，またはその中での多目的最適化手法の比較

英文（Abst） 日本文
Engineering decision making involving multiple competing objectives relies on choosing a design solution from an optimal set of solutions. 多数の競争関係にある目的を含むものの工学的解決法は解集合の最適な部分から設計変数面の解を選択することに頼っている．
This optimal set of solutions, referred to as the Pareto set, represents the tradeoffs that exist between the competing objectives for different design solutions. この解集合の最適な部分をパレート解といい，それは異なった設計変数面の解競争関係にある目的間に存在し，トレードオフの関係があることをあらわしている．
Generation of this Pareto set is the main focus of multiple objective optimization. このパレート解の生成は多目的最適化問題の焦点でありメインな部分である．
There are many methods to solve this type of problem. このタイプの問題を解くための方法は沢山ある．
Some of these methods generate solutions that cannot be applied to problems with a combination of discrete and continuous variables. これらの方法のいくつかは不連続と連続な設計変数の組み合わせを持っている問題に対しては適用不可の解を生成する．
Often such solutions are obtained by an optimization technique that can only guarantee local Pareto solutions or is applied to convex problems. しばしばそのような解集合は局所最適解である時のみ保証できる場合と，凸面に適用される場合の２種類があり，その２種類の最適化手法によって解が得られる．
The main focus of this paper is to demonstrate two methods of using genetic algorithms to overcome these problems. この論文の焦点はこれらの問題に打ち勝つために遺伝的アルゴリズムの2つの方法を実際に行うことである．
The first method uses a genetic algorithm with some external modifications to handle multiple objective optimization, while the second method operates within the genetic algorithm with some significant internal modifications. まず最初の方法は，多目的を扱うために外部の調整により遺伝的アルゴリズムを用いる．そして二つ目の方法は重要な内部の調整により遺伝的アルゴリズム内で影響を及ぼす方法である．
The fact that the first method operates with the genetic algorithm and the second method within the genetic algorithm is the main difference between these two techniques. つまり一つ目の方法は遺伝的アルゴリズムを用いるときに，二つ目は遺伝的アルゴリズムの内部で扱うときに影響を及ぼし，これが２つの手法の主な違いである．
Each method has its strengths and weaknesses, and it is the objective of this paper to compare and contrast the two methods quantitatively as well as qualitatively. それぞれの手法には長所短所があり，この論文の目的は，質，同様量的にも二つの方法を対照，比較を行うことである．
Two multiobjective design optimization examples are used for the purpose of this comparison. 二種の設計変数多目的最適化問題の例はこの比較の目的によって用いられている．


 文責：岡田