| 研究概要 |
アントコロニー最適化（Ant Colony Optimization, ACO）手法は，アリの採餌行動の際の経路生成過程にヒントを得た探索手法であり，巡回セールスマン問題（Traveling Salesman Problem, TSP），２次割当て問題（Quadratic Assignment Problem, QAP）など多くの組合せ最適化問題に適用され，有効な結果が得られている．アリはフェロモンを介したコミュニケーションを行いながら群れで行動し，ある種の秩序を形成する．
ACOでは，この秩序形成過程を探索に用いる．ACOの基本モデルは，Ant System （AS，1996）と呼ばれるアルゴリズムである．その後，多くの改良型ACOアルゴリズムが提案されている．本研究では，前年度に引き続き，申請者が提案したcAS (Cunning Ant System) を用いた．
多くの組合せ最適化問題では，解を高速に解くことが重要となっている．例えば，スケジューリング問題では，条件の変更などにより再スケジューリングが必要になり，実時間で高速に解を求めることが要求される．近年，GPU (Graphic Processing Unit) による超並列計算（以下，GPU計算）が注目されているが，前年度はGPU計算を適用して，ACOを超並列計算する方法の研究を行った．今年度は複数のGPUを用いてさらに並列度を上げる研究を行った．具体的には，複数のGPUを用いて，
（１）複数のコロニーを各GPUで並列に実行するモデル，（２）コロニーモデルは一つとし，不可の大きい部分を複数のGPUで実行するマスター／スレーブモデル，を提案し，複数GPUを用いる超並列進化計算手法を確立した．なお，ACOを含めGPUによる並列進化計算に関する編集書籍をSpringerから出版した（実績報告書作成時印刷中）
|
