研究概要 |
遺伝的アルゴリズム(以下,GA)における中心的なオペレータである「交叉」は,短いサブ問題から構成される問題や規模が小さい問題においてはビルディングブロックを効率よく組み合わせることが出来るのに対して,複雑・大規模な問題では有益なビルディングブロックを破壊してしまうという問題がある.このような従来のGAの問題を解決する方法として確率モデルGA(PMBGAs : probabilistic model-building genetic algorithms)の研究が活発に行われている.確率モデルGAでは従来のGAと同様,ランダムに生成された個体から選択オペレータにより有望な個体が選択される.次に,選択された個体の確率分布の推定が行われる.この推定された確率分布に基づいて,次世代の子個体が生成(サンプリング)される.この操作が,終了条件が満たされるまで繰り返される.従って,確率モデルGAは交叉オペレータが確率分布の推定とそれに基づくサンプリングに置き換わっている点以外は,従来のGAと全く同じであり,各種の選択オペレータや世代交代モデルを用いることが出来る. 本研究では、確率モデルGAの一手法として周辺分布ヒストグラムを用いる方法を提案し,関数最適化問題を用いた実験結果を行った.ヒストグラムのモデルとしては等幅ヒストグラム(FWH : Fixed width histogram)と等高ヒストグラム(FHH : Fixed height histogram)の二つを用いる.実験の結果,両モデルとも,パラメータ間に絡みがないあるいは絡みが弱い問題では優れた探索特性をもっていることが明らかになった.
|