Differential Evolution(DE)は探索効率や頑健性の高さから多くの分野で利用されているが，関数評価の計算コストが高い問題などに対応するために，さらなる関数評価回数の削減が望まれている．
関数評価回数を削減する方法として，関数の近似モデルを構成し，近似値(推定値)を利用して探索を行う研究が活発に行われている．
しかし，近似モデルの汎化性能を十分に高めるように学習するのは容易ではなく，さらに近似モデルの学習に時間が掛かるという問題がある．
本研究では，推定値を用いた比較を導入し，近似誤差に配慮した余裕を与えることにより，低精度の近似モデルを用いても効率的に評価回数が削減できる比較推定法を提案する．低精度の近似モデルとしては，ポテンシャルを用いた学習不要なモデルを用いる．
本方法をDE，DEに比較推定法を適用した方法，および世代交代モデルMGGにおいて関数評価回数を削減したSaving MGG と比較することにより，比較推定法の有効性を示す．