| 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)を利用するという確率モデル遺伝的アルゴリズムを研究した.最終年度である今年度は特に以下の成果を得た.
(1)順序問題の確率モデル遺伝的アルゴリズムとして提案しているEHBSA(Edge Histogram Based Sampling Algorithm)を用いて,部分解利用における効果を,各種ローカルサーチとを組み合わせた場合における効果を総合的に評価した.
(2)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)アルゴリズムへの拡張を行った.
(3)提案方式の並列化を研究した.マルチコア計算機およびGPU(Graphics Processing Unit)による並列処理方式を提案し,高速化が図られることを確認した.
|
