2017 Fiscal Year Annual Research Report
Problem-solving strategy for complex constraint network using general swarm intelligence
Project/Area Number |
15K00296
|
Research Institution | University of Tsukuba |
Principal Investigator |
狩野 均 筑波大学, システム情報系, 教授 (40251045)
|
Project Period (FY) |
2015-04-01 – 2018-03-31
|
Keywords | 群知能 |
Outline of Annual Research Achievements |
1.最終年度の成果 [高速化の方法] 初期解をGreedy法で高速に生成する方法を検討したが、十分な性能を得ることができなかった。そこで、並列化による高速化を検討した。並列化に関しては、従来、進化計算における島モデルのように群全体を複数の小群に分割し、各小群にプロセッサーを割りあてる方法が提案されている。しかし、この方法では、計算速度は向上するものの探索性能の向上はあまり期待できない。本研究では、大域探索と局所探索の実行回数の割合を決めるパラメータに着目し、小群ごとにこのパラメータの値を最適化することにより、高速化と性能向上の両立を図った。この方法をカッコウ探索(CS)に適用し、関数最適化の代表的な9題のベンチマークに対して有効性を確認した。 [実世界の問題への適用] 実世界における室内レイアウト問題に対して、進化計算(遺伝的アルゴリズムGA、進化戦略ES)と群知能(カッコウ探索CS、人工蜂の巣アルゴリズムABC)を適用し、性能を比較検討した。例題として、2つの部屋に13種類の家具を10個の制約条件を満たすように配置する問題を設定した。問題を制約充足問題として定式化し、各制約に対する違反点数の和が最小となるレイアウトを上記の4種類の解法で求めた。30試行の平均値は、GA、ES、CS、ABCでそれぞれ、20、13、2、4となり、進化計算より群知能の方が高い性能を得ることができることがわかった。特に、CSは最も良い性能を示した。 2.研究期間全体の成果 本研究では、制約充足問題をネットワークで表現することにより一般化し、群知能を汎用的な問題解決アルゴリズムとして適用する新たな問題解決方式を開発した。提案手法を大規模なベンチマーク問題と実世界のレイアウト問題に適用し、進化計算よりも探索効率が優れていることを示した。また、並列化により探索の効率化と高速化の両方をを実現できることを示した。
|
Research Products
(9 results)