マルチモーダル最適化は、単一の実行で複数のグローバル最適解または準最適解を見つけることを目的とした重要な最適化問題です。本研究で提案されるS-CARD-CMSAは、このマルチモーダル最適化を効率的に解決するための新しいフレームワークであり、IEEE CEC 2026 Competition on Benchmarking Niching Methods for Multimodal Optimizationに向けて開発されました。 S-CARD-CMSAは、反発部分群を備えた共分散行列自己適応進化戦略（RS-CMSA-ESII）をベースとして構築されています。このフレームワークの特徴は、基本的な探索メカニズムを変更せず、既存のサンプリング、共分散適応、禁止領域更新、再起動、終了メカニズムを保持している点です。その上で、2つの保守的な拡張機能が追加されます。第一に、パッシブな二次候補アーカイブが再起動レベルの最良候補を記録し、探索軌道に影響を与えません。第二に、スコア認識密度フィルタリング報告ルールが、ロバストなピーク比率と精度駆動のF1スコアのバランスを取りながら最終的なソリューションセットを構築します。 開発実験の結果、密度フィルタリングルールは中程度のスコア認識ルールで得られたピークカバレッジを保持しながら、冗長な報告を削減することが示されました。より広い検証部分集合での評価では、平均RPRを維持しつつ平均精度、F1スコア、公式スコア志向の平均を改善しています。重要な点として、最適化プロセス中には真のグローバル最小値の位置情報は使用されず、このような情報はオフライン開発分析と実行後のスコアリングにのみ使用されます。ソースコードはGitHubで公開されています。