Tunny Icon
TunnyDocs

The next-gen Grasshopper optimization tool.

Grasshopper (.ghx) 最適化

本節では、Grasshopper 定義ファイル(.ghx)を使った最適化の実行方法を紹介します。

Tunny Dashboard は最適化結果の分析だけでなく、最適化の実行そのものにも対応しています。 変数や目的関数を Tunny コンポーネントに接続し、Tunny で最適化を実行できる状態にした Grasshopper 定義であれば、.ghx 形式で保存して Dashboard にドロップするだけで実行できます。 Dashboard がサンプラーで変数の値を提案し、Rhino.Compute を通じて 1 トライアルずつ評価する最適化ループを回します。 実行時に Python や Optuna のインストールは不要です。 結果は Optuna 互換の journal ファイルとして書き出されるため、ライブ更新やすべての分析ウィジェットを、ほかの Study と同じようにそのまま使えます。

以下のような流れで最適化を実行します。

  1. 変数と目的関数を Tunny コンポーネントに接続し、最適化可能な状態の定義を .ghx 形式で保存
  2. Rhino.Compute を準備
  3. .ghx を Dashboard にドロップし、設定モーダルで最適化を設定
  4. 最適化を実行し、結果をライブ更新で確認

必要な環境

Grasshopper 定義の評価には、Rhino.Compute を使用します。 Rhino.Compute は Rhino の機能を HTTP 経由で呼び出せるサーバーで、Windows 上での動作が前提です。 Dashboard は定義の読み込みと最適化ループを自前で行うため、Dashboard を動かすマシンに Rhino 本体は不要です。

Rhino.Compute をもっとも簡単に入手する方法は、Grasshopper のパッケージマネージャから Hops をインストールすることです。 Hops と一緒に Rhino.Compute の実行ファイル一式もインストールされ、次のパスに配置されます。

%AppData%\McNeel\Rhinoceros\packages\<Rhino のバージョン>\Hops\<Hops のバージョン>\rhino.compute\rhino.compute.exe

後述する Launch EXE 方式では、このパスをそのまま指定できます。

接続方法は次の 2 つから選べます。

  • Launch EXE:rhino.compute.exe のパスを指定し、実行時に Dashboard が起動と停止を行う
  • Server URL:起動済みの Rhino.Compute の URL(デフォルト http://localhost:6500)へ接続する

Launch EXE を選ぶと、Dashboard は指定されたポート(デフォルト 6500)で Rhino.Compute を起動します。 起動後は応答が返るまで最大 180 秒待ってから、最適化を始めます。 最適化の終了時には、起動した Rhino.Compute を自動で停止します。

なお、このパイプラインは Rhino 8.31 の Rhino.Compute と Hops 0.17 の組み合わせで動作検証されています。 検証に使われた .ghx は、Grasshopper 1.0 で保存されたものです。

Grasshopper 定義の認識ルール

Dashboard は .ghx の XML を直接読み取り、Tunny コンポーネントへの配線から最適化問題を抽出します。 名前やニックネームに「tunny」を含むコンポーネントを Tunny コンポーネントとして検出し、その入力ごとに次の要素を認識します。

入力 認識される要素
Variables Number Slider(1 つで 1 変数)と Gene Pool(遺伝子 1 つで 1 変数)
Objectives 配線されたパラメータ(NickName が目的関数名になる)
Attributes Construct Fish Attribute コンポーネント経由の Constraint 入力(制約)と Attribute 入力(属性)

つまり、Grasshopper 上で Tunny による最適化を通常どおり設定してあれば、特別な命名規約やコンポーネントの追加なしにそのまま実行できます。 逆に言うと、Tunny コンポーネントがキャンバスに置いてあるだけでは実行できません。 Variables 入力に Number Slider(または Gene Pool)が、Objectives 入力にパラメータが 1 つも接続されていない定義は、ドロップ時にエラーになります。 ドロップする前に、その .ghx が Grasshopper 上の Tunny で最適化を開始できる状態になっていることを確認してください。

変数の範囲と桁数は Number Slider の設定(Min / Max / Digits)から取得し、Digits が 0 のスライダーは整数変数として扱います。

制約は Tunny と同じソフト制約の規約に従い、すべての制約値が 0 以下のときにそのトライアルを実行可能(feasible)とみなします。 制約を満たさないトライアルも評価と記録は行われ、違反量から NSGA-II と CMA-ES に渡すペナルティ適応度を計算します。journal にはペナルティではなく実際の目的値と 制約値を保存します。単目的 BO は実行可能確率を使います。多目的 BO は制約値を 記録しますが、EHVI では制約モデルを使いません。 Attribute 入力に配線した値はトライアルごとのユーザー属性として記録され、ユーザー属性に対応するウィジェットで確認できます。

注意点として、目的関数の最小化と最大化の方向は .ghx から読み取れません。 Tunny コンポーネント内部の方向設定には、安定したシリアライズ形式がありません。 そのため Dashboard はすべての目的をいったん Minimize として表示し、設定モーダルでの編集に委ねています。 最大化したい目的がある場合は、実行前に必ず方向を変更してください。

設定モーダル

.ghx ファイルをウィンドウへドラッグ&ドロップするか、Open ダイアログで選択すると、「Grasshopper Optimization」モーダルが開きます。 モーダルには抽出された問題の内容が表示され、次の項目を設定できます。

  • Objectives:目的ごとに Minimize / Maximize を選択
  • Rhino.Compute:接続方式(Launch EXE / Server URL)、ポート、API key、並列数(Max parallel、1〜16、デフォルト 4)
  • Sampler:サンプラーの種類と設定、乱数シード(デフォルト 42)
  • Output:journal ファイルの保存先と Study 名

変数と制約、属性の一覧は読み取り専用です。 内容が想定と違う場合は、Grasshopper 側の定義を修正して保存し直してください。 抽出時に問題があった要素は、モーダル上部に警告として表示されます。

API key を入力すると、リクエストの RhinoComputeKey ヘッダーとして送信されます。 認証を設定していない Rhino.Compute へ接続する場合は、空欄のままでかまいません。

journal の保存先は、デフォルトで .ghx と同じフォルダの <ファイル名>_optuna.log になります。 Study 名には、ファイル名と実行時刻から生成した名前が入ります。

既存 Study へ新しい結果を追加する

同じ Journal 内の Study 名が衝突すると、デフォルトではエラーになります。 Output の Add results to existing Study (if present) はデフォルト OFF です。 既存の識別子を記録先として再利用するときだけ有効にしてください。同名 Study がなければ新規作成します。 目的の数と、順序付きの Minimize/Maximize 方向が一致しなければ評価前にエラーになります。 要求したラベルが異なっても既存の目的名と記録は保持し、Journal 全体の ID と Study 内の番号は継続します。

これは結果の追加であり、履歴を使った最適化の再開ではありません。 各最適化は新しく開始し、BO の初期評価と学習データも新規です。過去の集団や候補の重複排除情報も読み込みません。 予算・進捗・完了集計は今回の実行だけを数えます。同じ Journal への writer は準備処理を含め直列化してください。 検出できる不正参照、壊れた・不完全なレコード、Study 削除などの未対応操作は追記前に拒否し、修復は行いません。 Optuna が正常に残す拒否された同名作成試行は Study ID を消費しません。 形式上正しい誤った所属は判別できない場合があります。同名、目的数、順序付き方向、既存プレフィックスの検証エラーでは Journal へ追記しません。一方、準備中の I/O エラーでは書き込みが一部残る場合があります。 CREATE_STUDY と目的名メタデータは順番に書かれ、ロールバックされません。 検証エラーでも .compute.ghx sidecar はすでに書かれている場合があります。 ファイルシステムのトランザクションや並行 writer の保証はありません。

サンプラーの選択

Sampler セクションの Method で、次の 5 つから選択します。

サンプラー 設定項目 向いている場面
NSGA-II(デフォルト) Population(デフォルト 16)、Generations(デフォルト 10) 単目的・多目的の全般、制約付き問題
CMA-ES Generations(デフォルト 10) 単目的問題のみ
BO-GP-FITC 初期ランダム評価数(10)、バッチサイズ(4)、反復回数(10)、任意の早期停止 評価が重い単目的・多目的問題、GP-FITC を使用
BO-GP-VFE 同じ BO 設定 評価が重い単目的・多目的問題、GP-VFE を使用
Random Trials(デフォルト 50) 単目的・多目的のベースライン取得、探索空間の把握

NSGA-II を選ぶと、Population と Generations から計算した総評価数が「Total evaluations」として表示されます。 評価 1 回にかかる時間と掛け合わせることで、実行前におおよその所要時間を見積もれます。

CMA-ES

CMA-ES は目的が 1 つの場合のみ使用でき、Minimize と Maximize の両方に対応します。 多目的の場合は理由を示して選択を無効にし、journal の Study 作成前にも検証します。 目的を暗黙的に単一の値へ集約することはありません。 専用設定は Generations(デフォルト 10)のみです。変数の数を d とすると、 集団サイズは lambda = 4 + floor(3 ln d) です。定義に保存されたスライダー値を 開始点とし、正規化空間での初期ステップ幅は sigma0 = 0.3 です。 評価回数の上限 1 + lambda * generations を表示します。早期終了時は実際の回数が 少なくなることがあります。

BO-GP-FITC と BO-GP-VFE

BO は Bayesian optimization(ベイズ最適化)の略です。 選択した手法により、 すべての目的に GP-FITC または GP-VFE を使用します。GP の Auto 選択は行いません。 Surrogate Optimizer ウィジェットには 独立した、候補を制限しない Auto 選択があります。

最低 10 件のランダムな初期評価を行い、成功した評価で選択した GP を学習します。 候補をバッチ単位で Rhino.Compute により評価し、蓄積した結果で再学習を繰り返します。 単目的では EI(Expected Improvement、期待改善量)、多目的では EHVI(Expected Hypervolume Improvement、期待ハイパーボリューム改善量) を使います。 これらの獲得関数には GP の予測分散が必要で、Ridge や LightGBM には対応しません。 候補は変数範囲へ制限してスライダーの精度で丸め、成功済み評価や同じバッチ内の 重複を除外します。その精度で新しい候補がなくなると停止します。

評価回数の上限は max(10, 初期評価数) + バッチサイズ * 反復回数 です。 「Stop early on convergence」は任意で、デフォルトは無効です。有効時の初期設定は、 シフトした最良値(単目的)または固定参照点のハイパーボリューム(多目的)の 相対改善が 1% 未満の状態が 3 回連続すると停止します。結果表示には完了した 反復回数と最終の収束指標が表示されます。

すべての手法で Seed(デフォルト 42)、Max parallel、変数範囲への制限と スライダー精度での丸めを共有します。

実行と結果の確認

Run を押すとモーダルが閉じ、画面右下に進捗オーバーレイが表示されます。 Study は実行開始と同時に journal へ作成され、ライブ更新が自動で有効になるため、トライアルが完了するたびに結果がダッシュボードへ流れ込みます。 Optimization History や Pareto Scatter などのウィジェットを配置しておくことで、最適化の進み具合をリアルタイムで確認できます。

進捗オーバーレイの Cancel ボタンで、実行を途中で中止できます。 キャンセルは実行中の Rhino.Compute 呼び出しの完了を待ってから反映されます。開始済みの評価は記録し、新しいトライアルの 開始を止めます。journal の I/O エラーが発生した場合は実行を中断します。 完了すると、成功と失敗のトライアル数がオーバーレイに表示されます。

journal への書き込みに失敗すると、最適化を中断し、元の I/O エラーを報告します。 ベイズ最適化の初期ランダム評価(bootstrap)中でも、成功した評価数が不足しているという 誤解を招くエラーではなく、元の書き込みエラーを報告します。 新しい評価の開始を止め、journal に書き込み済みの記録は保持します。 失敗した書き込みが後で成功することや、実行中のトライアルが完了として記録されることは 保証しません。

実行後の分析の進め方は、分析ワークフローを参照してください。

Rhino.Compute に送信される定義の確認

実行時に Dashboard は、変数の注入口(RH_IN)と結果の取り出し口(RH_OUT)を組み込んだ定義のコピーを生成します。 このコピーは、journal と同じ場所へ <journal 名>.compute.ghx として保存されます。 Rhino.Compute で実際に評価されるのはこのファイルのため、意図しない結果が出たときは、このファイルを Grasshopper で開いて配線を確認できます。

なお Gene Pool は、Rhino.Compute からの値の注入に対応していないため、内部的に通常の Number パラメータへ置き換えられます。 .compute.ghx を開くと Gene Pool が別のパラメータになっていますが、これは意図した動作です。

注意点

  • バイナリの .gh は非対応:Grasshopper で「Save As」から .ghx(Grasshopper XML)形式を選んで保存し直す。.gh をドロップすると案内メッセージが表示される
  • 1 トライアルのタイムアウトは 300 秒:これを超える評価は失敗として記録される
  • 評価値が数値でない場合は FAIL:出力が空、NaN、無限大のトライアルは失敗として記録され、最適化は継続する
  • 名前の重複は自動リネーム:変数・目的・制約・属性の名前が重複すると _2、_3 のような接尾辞が付く
  • ポートの競合:Launch EXE で Rhino.Compute が起動直後に終了する場合は、指定ポートが使用中でないか、実行ファイルのパスが正しいかを確認する
  • 並列実行時の負荷:Max parallel を上げると評価は速くなるが、Rhino.Compute 側のメモリと CPU 負荷も増える

まとめ

本節では、.ghx ファイルを使った Grasshopper 定義の最適化を紹介しました。

  • ドロップするだけで実行:Tunny の標準的な設定をそのまま認識し、追加の作業は不要
  • 実行環境は Rhino.Compute:Dashboard 側に Rhino や Python は不要
  • 結果は Optuna 互換 journal:ライブ更新と全分析ウィジェットが最適化中から使える
  • 手法は 5 種類:NSGA-II、CMA-ES、BO-GP-FITC、BO-GP-VFE、Random を問題に応じて選択

最適化の実行から結果の分析までを 1 つのアプリケーションで往復できることで、「実行して、分析して、次の最適化を設計する」というサイクルを短く回せます。 Grasshopper を使わない外部ツールを同じ仕組みで最適化する方法は、外部ツールの最適化で紹介します。