| 研究概要 |
広範囲のハードウェアに適用可能な進化型設計パラダイムの構築を目的として、本研究ではGPを以下のように拡張し、進化的デザインシステムを実現するための学習の枠組を提案した。
1.遺伝的探索に適したプログラミング言語「進化型線形言語:LGPC(linear GPinClanguage)」を設計し、効率的な進化型システムを実現した。さらに構築されたGPシステムの効率を検証するために、様々なベンチマーク問題に対して空間/時間計算量を従来のシステムと比較し、その有効性を示した。このシステムLGPCは現在研究室のHPからダウンロード可能なシステムとして公開されている。
2.構築したシステムをさらに発展させ、マルチエージェントのロボット学習や実データ時系列予測などに適用した。とくに、実世界応用の可能性を探るため、複数要素からなる系を任意の形の連立微分方程式でモデル化し、与えられた時系列データからこれを遺伝的プログラミングにより推定することを試みた。この推定手法では、探索を向上させるため最小二乗法も併用している。本手法により、制御ネットワークをはじめさまざまな系を表す方程式系の推定を行った結果、与えられた時系列に極めて近い時系列を持つ方程式系の獲得、要素間因果関係の推定に成功した。
3.さらに、進化するアナログ回路の実現のため、可変長遺伝子に基づくアナログ回路進化システムを構築し、回路合成シミュレシミュレーションによりその有効性の検証を行った。具体的には、以下の手法を用いて遺伝的アルゴリズムのシステムを実装し、シミュレーションによる実験で有効性を検証した。(1)素子リスト型の染色体表現,(2)進化の段階化,(3)回路規模に対する淘汰圧力の導入。これによって、進化するアナログ回路の有用性と実現性が確認された。
|
