表紙 分散遺伝的アルゴリズムのための 新しい交叉法.

Slides:



Advertisements
Similar presentations
多目的GAに対する パレート最適個体の分布制御 九州大学大学院工学府知能機械システム専攻徳井 宏司.
Advertisements

シミュレーション論Ⅰ 第 12 回 様々なシミュレーション手法. 第11回のレポート回答例 (例) 講義に出席するかどうかのシミュレーション ・セルオートマトン法を用いて、ある講義の出席人数をシ ミュレーションする ・各セルを受講者とし、隣接するセルを各自の友人と考え、 「自分の友人のうち半数がサボったら自分も講義を休む」
並列分散遺伝的アルゴリズムの有効 性 学績番号 畠中 一幸 知的システムデザイン研究室 Intelligent Systems Design Laboratory.
三木 光範 (同志社大学工学部) 廣安 知之 (同志社大学工学部) 花田 良子 (同志社大学工学部学部 生) 水田 伯典 (同志社大学大学院) ジョブショップスケジューリング問 題への 分散遺伝的アルゴリズムの適用 Distributed Genetic Algorithm for Job-shop.
MicroAVS 超入門 赤塚浩太. MicroAVS とは Visualization Tool Excel Java 膨大,高度なデータ処理が困難 高度なプログラミング能力必要 誰でも簡単に可視化できるツールの必要性 Micro AVS.
 C 川船 美帆.  強い人工知能の作成 o 「遺伝的アルゴリズム」  「どうぶつしょうぎ」のアプリケーショ ン作成 o スマートフォン向けアプリケーション.
福岡工業大学 情報工学部 情報工学科 種田研究室 情報工学科 種田研究室 樽美 澄香 [C8] 対話型遺伝的アルゴリズム( IGA )による 色弱者向けの Web ページ配色最適化システム 2009 年 2 月 20 日.
世帯マイクロデータの適合度評価における 重みの決定手法
遺伝的アルゴリズムにおける ランドスケープによる問題のクラス分類
リフレッシュ型分散遺伝的アルゴリズムの 組み合わせ最適化問題への適用
グローバルコンピューティング環境における遺伝的アルゴリズムの検討
Chapter11-4(前半) 加藤健.
A Q R QR分解とは? → × ◆QR分解 QTQ = I (単位行列) ◆応用例 ◆主な計算方法 n m 今回はこの方法に注目
超並列計算研究会 PCクラスタにおける ベンチマークと並列ツールの紹介 廣安 知之 三木 光範 大向 一輝 吉田 純一.
遺伝的アルゴリズム  新川 大貴.
対話型遺伝的アルゴリズムを用いた室内レイアウトシステムの開発
遺伝的アルゴリズム概説 An Outline of Parallel Distributed Genetic Algorithms
PCクラスタにおける2個体分散遺伝的アルゴリズムの高速化
谷村 勇輔 (同志社大学大学院) 廣安 知之 (同志社大学) 三木 光範 (同志社大学) 青井 桂子 (同志社大学大学院)
遺伝的アルゴリズムによる離散最適化とその応用に関する研究
モード付き並列機械における オンラインスケジューリング
遺伝アルゴリズムによる NQueen解法 ~遺伝補修飾を用いた解探索の性能評価~
分散遺伝的アルゴリズムによる各種クラスタのベンチマーク
対話型遺伝的アルゴリズムにおける ユーザ負担軽減と多様性維持の検討
情報工学科 05A2301 樽美 澄香 (Tarumi Sumika)
先端論文紹介ゼミ Role-based Context-specific Multiagent Q-learning
分散確率モデル遺伝的アルゴリズムにおける解探索メカニズムの検討
マイクロシミュレーションにおける 可変属性セル問題と解法
制約条件の確率的選択に基づく 資源追加削減法の改良 三木 光範(同志社大工) 廣安 知之(同志社大工) ○小林 繁(同志社大院)
情報工学科 05A2301 樽美 澄香 (Tarumi Sumika)
Doshisha Univ., Kyoto Japan
ネットワーク性能に合わせた 分散遺伝的アルゴリズムにおける 最適な移住についての検討
早わかりアントコロニー最適化 (ACO: Ant Colony Optimization)
MPIによる行列積計算 情報論理工学研究室 渡邉伊織 情報論理工学研究室 渡邉伊織です。
EMO分野における最近の動向 立命館大学 情報理工学部 知能情報学科 渡邉 真也
大阪市立大学 学術情報総合センター 大西克実
MPIを用いた並列処理 ~GAによるTSPの解法~
MPIを用いた最適な分散処理 情報論理工学研究室 角 仁志
遺伝的アルゴリズムへの 統計力学的アプローチ 大阪大学 大学院理学研究科 鈴木譲 CISJ2005 於早稲田大学理工学部
蛋白質立体構造の進化的解析のための Ninf版並列MGGとその性能評価
モデルの逆解析 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
多母集団の同時分析 豊本満喜子 大阪大学人間科学部.
遺伝的アルゴリズムを用いた 構造物の最適形状探索の プログラムの作成
通信機構合わせた最適化をおこなう並列化ンパイラ
進化的計算手法の並列計算機への実装 三木 光範
早わかりアントコロニー最適化 (Ant Colony Optimization)
グリッド向け実行環境Jojo を用いた遺伝的アルゴリズムによる蛋白質構造決定
遺伝的交叉を用いた 並列シミュレーテッドアニーリング 同志社大学工学部/大学院 廣安知之,三木光範,○小掠真貴
連続領域におけるファジィ制約充足問題の 反復改善アルゴリズムによる解法 Solving by heuristic repair Algorithm of the Fuzzy Constraint Satisfaction Problems with Continuous Domains 北海道大学.
サポートベクターマシンを用いた タンパク質スレッディングの ためのスコア関数の学習 情報科学科4年 81025G 蓬来祐一郎.
Genetic Algorithm-based Partial Least Squares GAPLS Genetic Algorithm-based Support Vector Regression GASVR 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
遺 伝 的 ア ル ゴ リ ズ ム を 用 い た 風 車 翼 形 状 の 最 適 設 計 法 に 関 す る 研 究
適応的近傍を持つ シミュレーテッドアニーリングの性能
知識科学研究科 知識システム構築論講座 林研究室 佛明 智
Peer-to-Peerシステムにおける動的な木構造の生成による検索の高速化
Data Clustering: A Review
Data Clustering: A Review
遺伝的交叉を用いた 並列シミュレーテッドアニーリングによる タンパク質立体構造予測
遺伝アルゴリズムによる NQueen解法 ~問題特性に着目した突然変異方法の改善~
ビット空間における GAの解探索モニタリングシステム
環境分散遺伝的アルゴリズムの 多目的最適化問題への適用
情報工学科 05A2301 樽美 澄香 (Tarumi Sumika)
分散遺伝的アルゴリズムにおけるパラメータの検討
BSPモデルを用いた 最小スパニング木 情報論理工学研究室 02-1-47-134 小林洋亮.
渡邉 真也, 廣安 知之, 三木 光範 同志社大学 工学部 Faculty of Engineering,Doshisha Univ
MPIを用いた 並列処理 情報論理工学研究室 06‐1‐037‐0246 杉所 拓也.
分散メモリ型並列計算機上での行列演算の並列化
各種荷重を受ける 中空押出形成材の構造最適化
遺伝的交叉を用いた 並列シミュレーテッドアニーリングの検討 小掠 真貴 廣安 知之 三木 光範 角 美智子 岡本 祐幸 同志社大学大学院
Presentation transcript:

表紙 分散遺伝的アルゴリズムのための 新しい交叉法

概要

遺伝子を組み替え新しい個体を生成 個体間の情報交換 親個体が持たないビットを生み出す 母集団内の多様性の維持 GAのプロセス 遺伝子を組み替え新しい個体を生成 個体間の情報交換 親個体が持たないビットを生み出す 母集団内の多様性の維持 環境に適合した個体ほど 子孫を残しやすい

並列処理・並列GA 目的関数の形質を直接利用しない 確率的な多点探索 初期値依存による早熟収束 計算コストが高い 最適なパラメータ設定が困難 特徴・問題点 目的関数の形質を直接利用しない 確率的な多点探索 初期値依存による早熟収束 計算コストが高い 並列処理・並列GA 最適なパラメータ設定が困難

特徴 母集団を複数のサブ母集団に分割 一定世代ごとに移住(移住率,移住間隔) 並列計算機との親和性が高い 並列分散GA 並列計算機との親和性が高い 母集団を複数のサブ母集団に分割 一定世代ごとに移住(移住率,移住間隔) 単一母集団のSGAでは,その名の通り全ての個体を単一の母集団で処理しますが,並列分散GAでは,母集団を複数のサブ母集団に分割し,各サブ母集団で独立にGAを実行します. その上で,移住間隔とよばれる周期ごとにサブ母集団間で個体を交換します.このときに交換する個体の割合を移住率と呼びます. 並列分散GAでは各サブ母集団が独立に解探索を行い,しかもサブ母集団間で個体情報を交換することでSGAより多様性を維持したまま探索を進めることが可能です. このため,SGAよりも高速に高品質な解が得られます. また,移住の処理以外は各サブ母集団ごとに独立に実行するため,サブ母集団ごとにプロセッサを割り当てるだけで高い並立か効率を得ることが可能です. 特徴

プロセッサ数に比例した速度向上が期待できる GAの並列分散化(台数効果) PCクラスタを用いて 実行時間を測定 Rastrigin関数 母集団サイズ :800個体 最大世代数 :1000世代 プロセッサ数に比例した速度向上が期待できる

SGA - 400個体 早熟収束によって最適解は PDGA - 50個体 8サブ母集団 高速に高品質な解が得られる 計算量自体が減少  早熟収束によって最適解は  得られない PDGA - 50個体 8サブ母集団 ・各サブ母集団では局所探索 ・移住によって多様性を保つ   高速に高品質な解が得られる 計算量自体が減少

パラメータチューニング 並列分散GA 計算コストが高い・早熟収束 ・並列計算機との親和性が高い ・高速に高品質な解が得られる 特徴・問題点 計算コストが高い・早熟収束 並列分散GA ・並列計算機との親和性が高い ・高速に高品質な解が得られる 最適なパラメータ設定が困難 パラメータチューニング

パラメータチューニング パラメータチューニング ・交叉法 ・交叉率 ・突然変異率 ・選択法

最適な交叉率

代表的な交叉法

実験:最適な交叉率

対象問題

交叉率:実験結果1

交叉率:実験結果2

交叉率:実験結果3

交叉率:実験結果4

実験:交叉法

交叉法:実験結果 s

これは,並列分散GAの解探索メカニズムに依存 実験結果のまとめ 実験結果のまとめ 実験結果 並列分散GAに最適な   交叉率  1.0   交叉法  1X,2X:スキーマを保存する交叉 これは,並列分散GAの解探索メカニズムに依存

ハイブリッド個体 NativeとMigrantの子 PDGAにおける解探索 ハイブリッド個体 NativeとMigrantの子

最適な交叉スキーム

(Best Combinatorial Crossover : BCX) 交叉 良好なスキーマが組み合わされるかは確率的要素に依存 うまく組み合わされても一方は淘汰される  →多様性の減少 確実に良好なスキーマを組み合わせる交叉法 最良組合せ交叉 (Best Combinatorial Crossover : BCX)

最良組合せ交叉(BCX) 確率的要素に左右されずに 良好なスキーマを育てる 1点交叉で生み出しうる 全ての個体を評価 →上位2個体を選択 -2.4 -1.5 -3.1 -0.5 -1.6 -0.6 -0.8 -3.0 評 価 確率的要素に左右されずに 良好なスキーマを育てる 1点交叉で生み出しうる 全ての個体を評価 →上位2個体を選択

BCX:実験

BCX:実験結果1

BCX:実験結果2

(Hybridization Crossover:HX) PDGAにおける交叉の役割 交叉の役割(HX前) 移住前  サブ母集団内で良好なスキーマを生成 最良組合せ交叉(BCX) 移住後  良好なスキーマを組み合わせる 実験結果:最適な交叉率=1.0 これをさらに高めるための交叉スキーム ハイブリッド生成交叉 (Hybridization Crossover:HX)

ハイブリッド生成交叉(HX) 先ほどのBCXがサブ母集団内でのスキーマの形成を促進するのに対し,次に提案するハイブリッド生成交叉は,移住後の交叉によるスキーマの組合せを促進するためのものです. 具体的には,移住が行われたとき,移住個体すなわちMigrantとサブ母集団内にもともといた個体すなわちNativeとを強制的に交叉させます.これによって並列分散遺伝GAにおける解探索の主役であるハイブリッド個体を多く生み出すというものです.

ハイブリッド生成率 通常の交叉 ハイブリッド生成交叉(HX) 0.5 0.5 0.3 0.5 1.0 0.6 移住率 移住率 ハイブリッド 先に述べた実験の結果から,並列分散GAの性能を高めるためには交叉率1.0が有効であると述べましたが,移住率を0.5,交叉率を1.0とにも場合にも,移住後の交叉でハイブリッドが生まれる確率,ハイブリッド生成率は,0.5にすぎません.これは,移住後にMggrant同士,Native同士の交叉が行われるためです. 一方,ハイブリッド生成交叉では,サブ母集団内の個体を2つのグループに分割し,Migrantはどちらか一方に集中して配置するために,移住率を0.5とする事でハイブリッドの生成率を100%にする事が可能です.また,移住率を変更することで,確率的な要素に左右されることなくハイブリッド生成率を調整することも可能です. 移住率 0.5 移住率 0.5 0.3 ハイブリッド 生成率 ハイブリッド 生成率 0.5 1.0 0.6

実験:HX

HX:実験結果

HX:実験結果2 s

結論

ご静聴ありがとうございました

補足資料

BCX+HX1

BCX+HX

交叉率:実験結果

交叉率:発見世代

交叉率:対象問題による違い

交叉法:実験結果

HX:実験結果

交叉法:実験結果(3関数)

交叉法:実験結果2

BCX:実験結果

BCX:実験結果2(表)

ハイブリッド生成率(グラフ)