| 研究概要 |
進化的計算では,探索における集団の多様性維持は探索性能向上に重要であるが,突然変異のような多様性維持に有効なオペレータを持たない確率モデル遺伝的アルゴリズムでは,特に重要となる研究テーマである.多様性維持が適切に機能しない場合は,選択オペレータによる「分布モデル」へのポジティブフィードバックが強まり,ローカル解に陥って探索は失敗する.本研究では,一つの新個体を生成する際,推定されたモデルに基づいて生成する部分はその個体の一部分とし,残りの部分は既存個体の一部分(以下,部分解と呼ぶ)を利用するという方法を研究した.確率モデル遺伝的アルゴリズムにおいて,部分解を利用することにより,モデルへのポジティブフィードバックによる過度な集中化が緩和され,また,部分解が混入することにより,突然変異と類似の効果が期待できる.
今年度は,確率モデル遺伝的アルゴリズムとその基本原理を共有するアントコロニー最適化(Ant Colony Optimization; ACO)アルゴリズムを具体モデルとしてとりあげ,そこへの部分解利用の効果を,2次割当て問題(quadratic assignment problem, QAP)への応用を通して検証した.また,近年普及している対照型マルチプロセッシング方式の計算機環境による並列化モデルへの拡張も図った.
これらの成果は,国際学会論文,雑誌論文および学会報告に加え,複数の学会誌に解説論文としても成果を報告した.
|
