| 研究概要 |
本研究では,多種多様な制約条件下において熟練作成者の知識を探索に直接利用可能なナース・スケジューリングアルゴリズムを進化的計算法に基づいて開発する.
今年度は,主に,ナース・スケジューリング問題へ適用するための進化的計算アルゴリズムの開発と性能評価を行った.まず,個体長の異なる複数の集団を取り扱うことが可能な分散遺伝的アルゴリズム(Distributed Genetic Algorithm : DGA)の性能評価を行った.次に,生体の群れ行動に着想を得た解探索法である粒子群最適化法(Particle Swarm Optimization : PSO)に基づく新たな進化的計算アルゴリズムの改良とその性能評価を行った.性能評価に関しては,実数を扱うベンチマーク問題を使用し,探索回数および計算量について,従来手法との比較・検討を行った.実験の結果,提案するPSOを用いることにより,従来と同程度の計算量で,従来よりも短時間で良質な解を求めることができることを明らかにすることができた.また,記号データに関する提案手法の有効性についても検討を行った.
また,自己組織化マップ(数値ベクトルを量子化するためのアルゴリズム)(Self-Organizing Map : SOM)を選択・淘汰に用いたGAの開発と改良を行った.具体的には,SOMを用いて,次世代に残す個体の配置を決定するとともに,解探索空間および探索過程を可視化する方法を提案した.提案手法を用いることにより,個体集団の多様性や探索空間の複雑さや解の収束性について,視覚的に情報を得ることが可能となった.
|
