2018 Fiscal Year Research-status Report
グラフカーネルを用いた分布推定アルゴリズムの拡張と高性能化
| Project/Area Number |
17K00353
|
|---|
| Research Institution | Kindai University |
|---|
Principal Investigator |
半田 久志 近畿大学, 理工学部, 教授 (60304333)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | グラフカーネル / 進化計算 / 分布推定アルゴリズム |
|---|
| Outline of Annual Research Achievements |
グラフを個体としたグラフカーネルを用いた分布推定アルゴリズムEDA-GKの拡張を行う.従来,グラフを個体とした進化アルゴリズムでは,遺伝子型から表現 型への写像が凸凹してしまうために,良い性能を出すことが難しかった.本研究課題で;は,アルゴリズムの適用範囲を広げることを目標として研究に取り組む.従来提案されてきたEDA-GK では分布推定に用いるグラフカーネルとして，グラフから最短パス距離の頻度を抽出するShortest-path Graph Kernel を利用してきた．しかし，このグラフカーネルを利用すると特定の条件の下で探索精度が落ちるという懸念があった．そこで本研究では新たに，EDA-GK の分布推定に従来とは異なるグラフカーネルを導入した．具体的には，グラフからサブツリーの頻度を抽出するWeisfeiler-Lehman Kernelを導入し，さらにShortest-path Graph Kernel とWeisfeiler-Lehman Kernel を組み合わせたMixture Kernel を提案した．実験では，EDA-GK によって多様な構造のグラフを導出できることを示すため同型グラフ探索問題に手法を適用し，分布推定に用いるグラフカーネルごとに性能を比較・評価した．さらに，適応度関数の設定次第で様々な探索問題に適用可能であることを示すため，情報の伝搬拡散に優れたネットワーク構造を導出する固有値最大化問題に手法を適用し，同じくグラフカーネルの違いが探索精度に与える影響を評価した．伝搬拡散に優れたネットワーク構造を導く固有値最大化問題に手法を適用し，同様に新しく導入したグラフカーネルの方がより良好な解を導出できることを示した．また，既知の構造のネットワークよりもさらに伝搬拡散に優れたネットワーク構造の導出が可能であることも示した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
新しいカーネルを提案し，バランスの良い解を見出すことができており，良好な進展を見せていると考える．
|
| Strategy for Future Research Activity |
有機化合物の進化について，道筋がつきつつある．これを進めて有用な化合物の生成に取り組みたい．また，グラフカーネルとしてDeep Graphの利用を検討して行きたい．
|
| Causes of Carryover |
１万円以下の端数が残っており，次年度に使用する予定である．
|
