Recommended
More Related Content
What's hot
What's hot (20)
Recently uploaded
Recently uploaded (8)
進化計算とは(what is evolutional algorythm)
- 2. 1. 進化とは 2. 進化的計算 3. 遺伝的アルゴリズムと関連手法 4. 遺伝的アルゴリズム以外の進化計算 5. 進化計算の応用例 6. まとめ 概要
- 3. 1. 進化とは 2. 進化的計算 3. 進化的アルゴリズムと関連手法 4. 群知能 5. 進化計算の応用例 6. まとめ 概要
- 9. | ', i l / l ｲ,､-‐ｰー‐--､::::,､-‐ｰ-､l !::i;::::::::::';::::::::::::::::::l l:::::::::｀ ‐､ | ', l ｲ// l/ r'/ /-''"´￣￣ヽ ｀,-''"´｀`‐､ ヽl';::::::::::';ヽ／:::::ﾉ ノ::::::::::::';::::＼ | ',! l／ /::::/::::::/::::::::::l l:l lヽ､二ﾆﾆﾆﾆﾆﾆ､-'´:';:::::::::::::';::::::: ヽ! /､:/:::::;ｲ::_,､-'´ノ:l し u l:!';:l ';::::/:l', ';::::::l';::::::';:::::::::::::';:::::: ＿__l＿__ /､｀二//-‐''"´::l|::l l! ';!u ';/:::l ', ';::::::l ';:::::i::::::l:::::::';::::: ﾉ l Jヽ ﾚ/::／ /:ｲ:＼/l:l l::l u !. l / ';:::l ', ';:::::l. ';::::l::::::l::::::::i:::: ノﾇ レ /:l l:::::lヽ|l l:l し !/ ';:l,､-‐､::::l ';::::l:::::l:::::::::l::: ／ ヽ､_ /::l l:::::l l＼l ヽ-' ／ ';!-ｰ ､';::ト､';::::l:::::l:::::::::l:: ム ヒ /::::l/l::::lﾆ‐-､｀` / /;;;;;;;;;;;;;ヽ! i::::l::::l:::::::::::l: 月 ヒ /i::/ l::l;;;;;ヽ ＼ i;;;;;;;;;;;;;;;;;;;l l::l::::l::::::::::::: ノ l ヽヽノ /:::l/:l /;;l:!;;;;;;;;;', ';;;;;;;;;;;;;;;;;ﾉ l:l:::l::::::::::::: ￣￣ /::::;ｨ::l. l;;;;!;;;;;;;;;;;l ｀‐--‐'´.....:::::::::!l:ｲ::::::::::::: __|＿ ヽヽ /ｲ//l::l ヽ､;;;;;;;ノ.... し :::::::::::::::::::::ヽ /!ﾘ l:::::::::::::: | ー /::::l';!:::::::::::::::::::: ｕ ', i ﾉ l::::::::::::::: | ヽｰ /ｲ';::l ’ し u. i l l::::::::::::::: | /';:';:!,.イ し 入 l l U l::::::::;'::::: | /,､-'´／ し / ヽ､ u し ,' ,' l::::/:;'::::::: | ／l し _,.ノ ｀ﾌ" ,' ,' ,ｨ::/:;':::::::: | ／::::::ヽ ヽ ／ し ,' ,' ／ l::/:;':::::::::: | ／::::::::::::｀‐､ し ', ／ u ,､-'´ l,､-''"´￣ | ｀`‐-､._::::::::::｀ ‐ ､ ',／ , -'´｀'´ ,-'´ | _,､-‐'"´';:::::::::ｲ:l';:::｀ ‐ ､._＿＿__,､-‐'"´ u ／ し | | | | ＼ l::/ l::::::/リ ';:::::lﾘ:::::l';:::l l:l:::::l＼ u ／ | | | | ＼/ l:::/ ﾉ ';::/ ';::::l l::l ﾘ l::l l::/ヽ / し .・. ・ ・. ・ ヽ ＼ リ ﾚ ヽ! り レノ ｀ｙ 変態だー!
- 11. 1. 進化とは 2. 進化的計算 3. 進化的アルゴリズムと関連手法 4. 群知能 5. 進化計算の応用例 6. まとめ 概要
- 12. 生物の振る舞いを模倣して組み合わせ最適化問題を解く方法 人工知能（計算知能）の1分野 大きく分けて2種類存在する 進化的計算とは 進化的アルゴリズム 群知能
- 13. いわゆるメタヒューリスティクスな手法 特定の問題の解法に依存しないで解を求めることが可能 必ずしも最適な解を求めることはできない 進化計算の特徴
- 14. 解法が存在しない、あるいは存在するものの解を求め る時間が膨大になるような問題の解を求めるときに使う 最適でなくとも実用的な範囲内での解を求める際にか なり有用である 進化計算を用いる理由
- 15. 組み合わせ最適化問題の一種 容量Cのナップサックの中にN個のアイテムを入れる アイテムにはそれぞれ価値pi,容量ciが設定されている ナップサックの中に入れるアイテムの価値を高くしたい ナップサック問題 どのお菓子もって いこうかな？
- 16. Nが1増えるだけで組み合わせの数は2倍になる．つまり， アイテムがN個ある場合，組み合わせは2N通りになる． N =10の場合，組み合わせ数は210=1024通り アイテム数が増えると組み合わせの数が膨大になり， 計算機を使ったとしてもしらみつぶしで解を探して解く ことが困難になる（組み合わせ爆発） ナップサック問題
- 17. 1. 進化とは 2. 進化的計算 3. 進化的アルゴリズムと関連手法 4. 群知能 5. 進化計算の応用例 6. まとめ 概要
- 18. 生命の進化をモデルにした最適化手法 良い解どうしを掛け合わせていけばより良い解が生成さ れるという考えを前提に考案される 以下の4種類の手順を繰り返す 進化的アルゴリズム 選択 交叉 突然変異 淘汰（世代更新）
- 20. 選択操作には多種多様な手法があるがメジャーなものと して以下の３種類があげられる エリート選択 ルーレット選択 トーナメント選択 選択操作
- 22. 適合度（ある条件下におけるその個体の強さを数値化し たようなもの）が高い順に親となる個体を選ぶ エリート選択 1位 ２位 ３位 ４位 ５位 ６位 上位２位をエリートと して次の世代へ残す
- 24. 適合度ごとに確率を設定し，適合度が高い個体を親と して選ばれやすくして確率的に選ぶ方法 ルーレット選択 個体数を𝑁, 各個体の適合度を𝑓𝑖とすると 個体𝑖が選ばれる確率は 𝑓𝑖 σ 𝑘=1 𝑁 𝑓𝑘 となる
- 28. エリート戦略: 上位の個体を選定するため収束が速い 局所解に陥りやすい ルーレット戦略: 弱い個体も選ばれる可能性がある 局所解から脱出しやすい 状況によっては実装が面倒 トーナメント戦略: 局所解から脱出しやすい 収束が遅い それぞれの特徴
- 29. それぞれの個体が持つ遺伝子を組み合わせて新しい 子供を作る 遺伝子の表現は0, 1のバイナリ型や文字列，実数など いろいろな表現のやり方がある 遺伝子の表現によって交叉のさせ方は変わってくる ここではバイナリ型の遺伝子の交叉の手法について紹 介する 交叉
- 30. 遺伝子座のある1点を境にどちらの親からの遺伝子を継 ぐかどうかを決める手法 一点交叉 1 0 1 0 0 1 1 0 1 1 1 0 0 1 1 1 1 1 0 0
- 31. 遺伝子座のある2点を境にどちらの親からの遺伝子を継 ぐかどうかを決める手法 二点交叉 1 0 1 0 0 1 1 0 1 1 1 0 0 1 0 1 1 1 0 1
- 32. 両方の親からランダムに遺伝子を選んで交叉を行う（ここ ではマスクが0の場合親1，1の場合親2から引き継ぐ） 一様交叉 1 0 1 0 0 1 1 0 1 1 0 1 0 1 1 1 1 1 1 1 マスク親1 親2 子
- 33. 生まれた子供の遺伝子を変化させる これも遺伝子の表現型に応じて色々な手法が存在する 突然変異 0 1 1 1 1 0 1 1 0 1
- 35. 今までは遺伝子を0と1の記号列で表していた 今までの方法以外に遺伝子を表現する手段はあるか また、あるとしたらどのように交叉、突然変異させるか ここで問題
- 36. 今までは遺伝子を0と1の記号列で表していた 今までの方法以外に遺伝子を表現する手段はあるか また、あるとしたらどのように交叉、突然変異させるか みんなで考えてみよう! ここで問題
- 37. 進化計算は基本的に選択，交叉，突然変異を用いて パラメータを改良していく 遺伝子の表現法，およびパラメータ改良の中心となる 操作の方法によって以下の3種類（解釈しだいによって は4種類）に分けられる 1. 遺伝的アルゴリズム（GA） 2. 遺伝的プログラミング（GP） 3. 進化戦略（ES） 4. 進化的プログラミング 進化計算の手法
- 39. ナップサック問題をGAで解く場合，アイテムを入れるか入れないかを 遺伝子とする．遺伝子長はアイテムの個数とおなじになる アイテムを入れる場合を1，入れない場合を0と表し，k番目の遺伝子 をgkとする N個のアイテムがあり，k番目(1≦k≦N)のアイテムの価値をpk，容量 をck，ナップサックの容量をC，とする 𝑘=1 𝑁 pkgk を最大化! ただし， σ 𝑘=1 𝑁 ckgk<Cという条件の下で 例 ナップサック問題をGAで解く
- 40. 例 ナップサック問題をGAで解く アイテム 容量・価値 容量 8 15 25 10 価値 5 12 15 15 遺伝子 1 0 0 1 容量C=30
- 41. 例 ナップサック問題をGAで解く アイテム 容量・価値 容量 8 15 25 10 価値 5 12 15 15 遺伝子 1 0 0 1 入れるのはこの2つ! 容量C=30
- 42. 例 ナップサック問題をGAで解く アイテム 容量・価値 容量 8 15 25 10 価値 5 12 15 15 遺伝子 1 0 0 1 入れるのはこの2つ! 容量C=30 価値は5+15=20 容量は10+8=18<C
- 43. 先程の例だとナップサックの容量を超えなかった ナップサックの容量を超える解も存在する（例，全部１の 遺伝子を持つ個体） 容量を超えた場合どうすればよいか? ここで問題
- 44. 基本的には遺伝的アルゴリズムと同じ 遺伝子を木構造で表現する 性質上，適用する問題は遺伝的アルゴリズムと異なる プログラムの最適化を行うことができる 遺伝的プログラミング
- 46. 遺伝子を実数値のベクトルとして表現 基本的には突然変異をメインに個体を変化させる 各ベクトルの値に正規乱数を付加し，それを元に値を 変化させる 一つの個体が別な個体に変化するものを(1+1)-ES，複 数の別な状態に増殖する物を(μ+λ)-ESという 進化戦略 0.2 0.3 0.5 0.7 0.9 0.21 0.32 0.5 0.7 0.92 正規乱数付加
- 47. 実関数の最適化を行うために考案された 基本的に突然変異操作で最適化を行う 遺伝子型の表現など決まった構造がなく，進化戦略と 類似するため，区別することは困難である 進化的プログラミング
- 52. 1. 進化とは 2. 進化的計算 3. 進化的アルゴリズムと関連手法 4. 群知能 5. 進化計算の応用例 6. まとめ 概要
- 53. 生物のふるまい…特に群れを成す生物の行動をモ チーフに最適化を行う 群れを成すそれぞれの個体の行動そのものは単純なも のである これも多種多様なものがあるがここでは比較的有名な 蟻コロニー最適化について説明する 群知能
- 55. 1. 蟻と餌（エージェントと都市）を用意 2. 蟻に餌を回収させ，その順番と距離を記録する 3. 巡ったルートにフェロモンをばら撒く（フェロモンは時 間が経つにつれて薄くなっていく） 4. 一番良い解を記録する 5. 2から4を十分に繰り返す 6. 得られた解を取り出す ACOの流れ
- 63. 1. 進化とは 2. 進化的計算 3. 進化的アルゴリズムと関連手法 4. 群知能 5. 進化計算の応用例 6. まとめ 概要
- 65. 組み合わせ最適化問題（ナップサック問題など） スケジューリング問題 工業製品の設計問題 …などなど広い分野で応用されている GAの応用例
- 67. 渋滞時におけるカーナビゲーションシステムでのルート 最適化問題 遺伝子組み換えにおける連鎖地図作成での最適パ ターン探索 などのルート探索を中心に応用されている 応用例（蟻コロニー最適化）
- 69. 1. 進化とは 2. 進化的計算 3. 進化的アルゴリズムと関連手法 4. 群知能 5. 進化計算の応用例 6. まとめ 概要
- 70. 進化計算とはどのようなものかを説明した 数ある手法の一部を説明した 応用の方法も説明した まとめ
- 71. 進化計算とはどのようなものかを説明した 数ある手法の一部を説明した 応用の方法も説明した まとめ