機械学習や最適化の研究において、複数の目的を同時に最適化する必要がある場面は多くあります。特にリアルタイムで更新されるデータストリーム環境では、時間とともに変化する最適解（パレートフロント）を追跡しながら、順序立てて到着するデータのみを用いてアルゴリズムが適応していく必要があります。こうした「ストリーミングデータ駆動型動的多目的最適化」の性能を評価することは、実世界の問題では最適解の真値やドリフトの注釈が得られないため、非常に困難でした。 今回、研究者らが提案したSDDMO-Benchは、こうした課題に対応するベンチマークスイートです。従来の古典的な動的多目的最適化テスト問題を、ストリーミング環境へと変換することで、標準化された評価を可能にしています。具体的には、5つの代表的な時間依存性を持つ基本関数と6つの分布ドリフトパターンを組み合わせることで、合計30シナリオを構築し、非定常性、問題の複雑さ、サンプル分布の変動、パレートフロント進化など多様なレベルの難易度を実現しています。 進化アルゴリズムの代表例を用いた実験を通じて、SDDMO-Benchが挑戦的で識別性の高いテストシナリオを提供することが実証されました。このベンチマークスイートは、ストリーミングデータ駆動型動的多目的最適化におけるアルゴリズムの適応性、頑健性、パレートフロント追跡能力を標準的で再現可能な方法で評価するための基盤となり、今後の研究発展に大きく貢献することが期待されています。