2012 Fiscal Year Annual Research Report
遺伝的ネットワークプログラミングによるエージェント志向プログラムの自動生成
| Project/Area Number |
12J07789
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
李 冰 早稲田大学, 情報生産システム研究科, 特別研究員(DC2)
|
|---|
| Keywords | プログラムの自動生成 / 可変ノードサイズ / 2項分布 / 交叉 / 検証用データ / Genotype/Phenotype変換 |
|---|
| Research Abstract |
プログラムの自動生成は、人間のプログラマがコードを書くのではなく、何らかの機構によってプログラムを生成するプログラミングの一種である。それは、人工知能における重要な研究分野の一つである。それは、コンピュータを作ることができる、自動的に明示的プログラミングなしで問題を解決。遺伝的プログラミング(Genetic Network Programming, GP)はこの研究分野におけるパラダイムである。遺伝的プログラミングに由来し、遺伝的ネットワークプログラミングは、この研究ではプログラムを自動的に生成するために使用されます。GNPは有向グラフ構造を持つ進化論的計算手法であり、プログラムの自動生成に適している。
そして、外部記憶機構を用いたGNPのGenotype/Phenotype変換により、エージェントをコントロールするためのプログラムを自動生成する方式を提案し開発しています。ここでは、GNPがGenotypeであり、エージェントをコントロールするためのプログラムがPhenotypeです。通常のGNPでは最適なGNPを求めるのが目的ですが、提案方式では、GNPはプログラムのGeneratorとして働き、最適なプログラムを生成するようにGNPを進化させることになります。換言すると、プログラムはGNPのノード遷移によってではなく、外部記憶に記憶されたプログラムにより実行されます。提案方式を従来のGNP方式と比較したところ、タイルワールドベンチマークの性能が約2倍向上することを明らかにしています。
さらに、可変ノードサイズGNPに関してですが、GNPのノードサイズを可変にするためには、進化の交叉演算に特殊な工夫をする必要があります。しかし、一般には、ノードサイズを可変にすると、特にGNPの場合にはノード遷移が大きく変化し良好なビルディングブロックが壊れるため、新しい方式の開発が求められていました。この問題を解決するため、2項分布(Binomial Distribution)を用いて、個体間で交換するノード数を確率的に決定し、また、交叉確率を小さく設定する方式を提案しています。タイルワールドでのシミュレーションの結果、この方式が従来の固定サイズのGNPより優れていることを明らかにしています。また、進化の途中でValidation Data(検証用データ)を用いて適合度が極大になる世代を探し、これにより、最適なノードサイズを決定する方式を提案しています。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
エージェント志向プログラムの自動生成への応用研究を進化論的計算手法Genetic Network Programming(GNP)で実現するユニークな手法を開発中である。2012年度は、GNPのノードサイズを進化により可変にすることで最適なGNPのサイズの決定とGNPの性能の向上を目指す方式を検討した。この研究は、IEEE CEC 2012議会と雑誌IEEJ TEEEに掲載されました。
|
| Strategy for Future Research Activity |
次の研究課題は、来年検討する。
1)異種の戦略と共進化戦略を含むマルチエージェントシステムを実装。本研究ではGNPベースのプログラム生成アルゴリズムのパフォーマンスが向上します。
2)可変サイズの遺伝的ネットワークプログラミングのパフォーマンスを向上させる。本研究では、最終的にはGNPのパフォーマンスを向上GNPvsの汎化能力が増加します。
3)一般化されたプログラムの生成アルゴリズムを提案するGNPvsとGNP-APGを兼ね備えています。
|
