| 研究概要 |
1.計算方法の確立:密度分類問題に対して、これを解決する1次元セルラオートマトンの状態遷移ルールを獲得するための進化的アルゴリズムの構成方法を検討した。既に提案されている方法より優れたルールを獲得するために、ルールのデータ構造を最適化した。また、遺伝的演算方法、適応度の評価方法等を改良した。
2.ルールの性質の分析:2つのルールを適用することによってCAの問題解決能力が向上する理由を考えるため,問題解決能力の高い1000個のルールを抽出し、Langtonのλパラメータを用いてルールの分布について検討した。その結果、1ルールの場合は、クラス4のルール(複雑なルール)が多いのに対して、2ルールの場合は、クラス1と2(単純なルール)の組合せも多く存在することがわかった。すなわち,簡単なルールの組み合わせでもお互いに協調して動作することによって問題解決能力が向上する可能性があることがわかった。
3.パラメータ分類による処理能力の向上:獲得したルールをパラメータで分類した。パラメータとしては、λ、ND、μパラメータの3つを検討した。これらのパラメータを用いてあらかじめ有効なルールを抽出することができれば、探索効率を格段に向上することができると考えた。すなわち、ランダムに生成したルール集合からパラメータ値によりルールを選別し、それらのルールを進化的アルゴリズムの初期集団とした。これにより、高い正解率を持つルールを獲得することができた。これにより、ルール変化型CAの進化的設計に、パラメータガイドを導入することの有効性を確認することができた。一方、今回検討したパラメータでは十分でないと思われるので、今後は、独自のパラメータを開発する必要があると考える。
|
