2015 Fiscal Year Research-status Report
分散／多様／事例ベース型進化知能方式とその適用性評価
| Project/Area Number |
15K00349
|
|---|
| Research Institution | Tokyo Denki University |
|---|
Principal Investigator |
鶴田 節夫 東京電機大学, 情報環境学部, 教授 (00366395)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小橋 昌司 兵庫県立大学, 工学(系)研究科(研究院), 准教授 (00332966)
八槇 博史 東京電機大学, 情報環境学部, 教授 (10322166)
櫻井 義尚 明治大学, 総合数理学部, 准教授 (30408653)
川辺 孝 東京電機大学, 情報環境学部, 教授 (40339081)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 遺伝的アルゴリズム / 事例ベース / 多様化分散化 / 災害予測 / 医工学応用 / 配送スケジューリング / 大局最適化 / 進化知能 |
|---|
| Outline of Annual Research Achievements |
本研究課題に関し、配送スケジューリングでは、事例（類似問題の優良解、前例）を活用して最適精度を上げる進化知能方式CBGAの有効性を、千都市以上の大規模TSPで検証し、進化知能の一流国際会議であるIEEEのCECで発表した。その後、国際学術論文誌への投稿を目標に従来研究の調査を進め、多数の問題（TSP）で性能比較を行っている。
CBGAの深度化・汎用化に関しては、低頻度大災害予測（太陽フレアの予測）や医工学（ひざ骨関節のセグメント分け、乳がんの検出）への具体的応用を検討しながら理論を汎用化する方向に計画を一部調整した。まず応用として、事例活用型のGAによる低頻度大災害予測機の基本版である太陽フレア(磁気嵐・放射能雨の災害)予測器の精度向上方式を提案した。その効果を確認し、IEEE系の国際会議に査読付き論文を１編発表した。3月には、その改良版がIEEEの代表的国際会議WCCIに受理された。結果の汎用理論として、CBGALO(CaseBasedGenticAlgorith integrating LocalOptimizer)と呼ぶCBGA活用の大局最適化方式を考案した。SVM・ニューロ・深層学習など既存の比較的局所的な最適器をCBGAなど効率の良い大局的推論器で制御して最適化性能を改善する方式である。この適用例として、上記災害予測に加え医工学応用に関しても、IEEE関係の国際会議に査読付き論文を各１編投稿した。
今後、CBGAの多様化・自律分散化に向け、GAと事例の融合方式・タイミングなどCBGALOの更なる深度化・強化に関し、産業・医工学への適用を踏まえて研究を進める。例えば、医工学（ひざ骨画像セグメント化）への適応性検証の先行経験を元に、骨など物質の連続性を反映させた遺伝子構造を知識として捉えるスキーマリストの導入・構築・利用に関する具体化を予定している。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
多様化事例ベース遺伝的アルゴリズムの汎用化・具体化方式については、配送スケジューリングだけでなく低頻度大災害予測や医工学への具体的応用を検討しながら理論を汎用化する方向に本研究計画を一部調整した。この様に具体的対象を見つめながら汎用化したため上記CBGALOと呼ぶ本研究課題の汎用技術の基礎が開発できた。
しかも、このCBGALOと呼ぶ汎用の進化知能（AI）型最適化技術の基礎開発と同時に、２８年度以降に予定していた低頻度大災害予測や医工学への応用技術の研究開発も先行できた。特に、本研究の太陽フレア（放射能雨）災害予測への応用に関しては、予測精度が１０%以上、つまり２桁も向上する大きな成果が本汎用AI技術により成就され、当初の計画以上に研究が進展したと言える。
|
| Strategy for Future Research Activity |
今後、CBGAの多様化・自律分散化に向け、GAと事例の融合方式・タイミングなどCBGALOの更なる深度化・強化に関し、産業・医工学への適用を踏まえて研究を進める。具体的には、事例ベースの有効活用を図るために、優良かつ多様な個体を事例ベースに保存してGAを一旦停止させる。そして、事例ベース全体から多様かつ優良だが（競争による進化が効率よく行われるように）優良さが同程度の個体を選択してGAを再スタートする。あるいはそれに加え分散スタートさせることにより従来の禁忌（タブー）リストや島（分散）モデルを凌ぐ最適化効率が期待できる多様化・自律分散化に向けたCBGALOの汎用・大局的進化知能の枠組みの具体的展開・強化をはかる。
また、これを産業・医工学への適用に向けて検証・改良する。例えば、太陽フレア（放射能雨）災害予測や膝骨画像のセグメント化などに適用・検証し、更なる精度向上の研究を進める。
|
| Causes of Carryover |
本研究関連の進化知能の国際会議（IEEE CEC：Conference on Evolutional Computation）が日本の仙台で開催されたりして参加旅費が比較的安かった。また、災害予知や医工学に適用先を広めるにあたり調査や準備をより深くじっくり行う必要が生じたため国際学会発表や論文出版が予定よりは少なかった。これらのため、45万円余りを次年度に持ち越した
|
| Expenditure Plan for Carryover Budget |
この持ち越し分はCBGALO高度化のための謝金、実験用プログラムの作成などの人件費、実験効率向上のためのGPUプロセッサーを含む高性能コンピュータの購入・組立て費に使う予定である。
|
Research Products
(5 results)
