| Research Abstract |
量子状態を用いた量子コンピュータが注目されているが,量子計算の特徴の1つである干渉効果を遺伝的アルゴリズムにおける交叉メカニズムに利用した干渉交叉がある.本研究では、まず,従来の遺伝的アルゴリズムにおいて有効な1点交叉や複数点交叉,一様交叉を含めた古典交叉と量子風遺伝的アルゴリズムで有効な干渉交叉とを同時に含み,さらに多様な交叉方法を生成する混合干渉交叉を提案し、巡回セールスマン問題に適用した結果、良好な結果が得られた。また、遺伝子として量子ビット表現を用いた量子風進化的アルゴリズム(QEA)が提案されているが、QEAは単点探索を行うSimulated Annealingと同様,1個体を用いて探索を行うことが可能であり,大域的探索から局所探索へと自動的に移行する特徴を持つ.また,大規模な問題を解くために,多点探索アルゴリズムと同様に,複数個体を用いて解探索を行うことも可能である.QEAでは,島モデル型遺伝的アルゴリズムと同様に,集団内の個体を複数の部分集団に分け,グループ内での移住を行う.グループ毎に個別に進化を行うことで,粗粒度の分散並列化が可能となる.その反面,グループ数や移住を行うタイミングなどのパラメータを調整しなければならない.また,ナップザック問題におけるパラメータの調整指針を統計的に得るために,大量の実験が必要であったが,他の問題にQEAを適用する際は,問題の特性や規模を考慮したパラメータの調整指針を得るべく,同様に大量の実験を行う必要がある.本研究では,QEAよりも単純なアルゴリズムで,調整に必要なパラメータが少ない,対交換に基づく量子風進化的アルゴリズム(QEAPS)を提案する.QEAでは,集団内での最良解情報とグループ内での最良解情報を共有するのに対し,QEAPSは各世代においてランダムに選択された2個体間で個体最良解情報を交換する.これによりQEAPSは,集団内で多様性を維持したまま探索を行うことができ,調整すべきパラメータがQEAよりも少ない単純なアルゴリズムで,高品質の解を効率的に発見できた.
|
