データマイニング手法の導入による遺伝的アルゴリズムの高性能化

2003 Fiscal Year Annual Research Report

• Project/Area Number: 14750338
• Research Institution: Matsue National College of Technology
• Principal Investigator: 堀内 匡 松江工業高等専門学校, 情報工学科, 助教授 (50294129)
• Keywords: 遺伝的アルゴリズム / データマイニング / 決定木学習 / 探索履歴データ / 有効スキーマ

Research Abstract

遺伝的アルゴリズムでは"スキーマ"と呼ばれる遺伝子の部分構造が進化プロセスにおいてうまく組み合わされることにより探索が進行すると考えられている.しかしながら,有効な"スキーマ"を直接的に獲得したうえで効率的に利用することを実現した研究は少なく,そのような枠組みの実現が強く望まれている.これまで,研究代表者等は共進化型の遺伝的アルゴリズムに対してこのような枠組みを導入した手法について,その有効性の確認を行ってきた.
本研究では,それらの研究をさらに発展させ,さまざまな遺伝的アルゴリズムに対しても組み込むことが可能な汎用性の高い枠組みとして提案することを第一の目的とする.すなわち,有効スキーマを直接的かつ効率的に獲得するために,人工知能の分野におけるデータマイニング手法を導入し,遺伝的アルゴリズムの性能向上を図る.さらに,第二の目的として,上記のデータマイニング手法を導入した方法により獲得されたスキーマ(部分空間)を個体と捉えるメタレベルを考えることにより,すでに探索した部分をある種の"タブーリスト"として記憶するとともに,未探索の空間を同定し積極的に探索するような枠組みについて検討する.
研究期間の二年目にあたる本年度は,上記で述べた第一の目的である「データマイニング手法による有効スキーマの効率的な獲得と利用」に関して研究を実施した.具体的には,前年度に検討した,決定木学習C4.5を用いたデータマイニング手法による有効スキーマの効率的な獲得と利用を行う提案手法のプロトタイプシステムを計算機上に実装し,関数最適化問題に対する有効性を引き続き検証した.さらに,提案手法と関連した研究として,1)遺伝子座間の同時確率分布を推定・利用するEDA (Estimation of Distribution Algorithm),2)個体集団内で最良探索点情報を共有する最適化手法であるPSO (Particle Swarm Optimization),などの近年注目されている手法との比較について検討を開始した.