情報工学科 05A2301 樽美 澄香 （Tarumi Sumika)

Presentation on theme: "情報工学科 05A2301 樽美 澄香 （Tarumi Sumika)"— Presentation transcript:

1 情報工学科 05A2301 樽美 澄香 （Tarumi Sumika)
第1回 対話型遺伝的アルゴリズム Interactive Genetic Algorithm:IGA 情報工学科　05A2301 樽美　澄香 （Tarumi Sumika) 2008年 6月 2日

2 はじめに 興味分野 研究テーマ 人工知能（AI） Webプログラミング ユーザビリティ ＊使いやすさ＊ 色彩～デザイン
ユーザビリティ 　＊使いやすさ＊ 色彩～デザイン （余談ですが、CG制作が趣味です！） 研究テーマ AI手法を用いた色弱者向けの Webページ配色支援（最適化）プログラムの作成

3 研究の目的 学生生活の最後なので・・・ 自分の精一杯で研究して、たくさん吸収する！ AI手法を「理論」でなく「応用」としての学習
できれば、完成品を第三者にモニターしてもらいたい プログラミング言語の習得 幅広い分野で使用される Java を扱う。 構造化（機能）設計ではなく、 オブジェクト指向（機能＆データ）設計の理解。 開発のためのスケジュール・自己管理 　学生生活の最後なので・・・ 自分の精一杯で研究して、たくさん吸収する！

4 システムの概要（１） ♪ 配色の重要性 Good Morning! 色の見え方は 人それぞれ ?

5 Good Morning! Good Morning! システムの概要（２） ♪ ? 第一色盲の例 2 1
2．カラーパレットや提示案から、 ユーザーにとって見やすい配色に変更する （学習・教師信号） Good Morning! Good Morning! Good Morning! Good Morning! 2 1 ♪ ? 1．見づらいWebページを発見 3．1~2を繰り返すことで学習し、次回以降から ユーザーに合わせたWeb配色の最適化を自動で行う

6 代表的なAI手法 遺伝的アルゴリズム（GA）とニューラルネット（NN） GA NN 概要 長所 短所 応用例
** 局所解 ** 　ある解と比較すると良い解だが、 　考えられる解の全パターンでは最良解ではない解 遺伝的アルゴリズム（GA）とニューラルネット（NN） GA NN 生命の進化の仕組みを 最適化問題に応用 概要 人間の脳神経網の仕組みを 推定・制御に応用 適応できる問題の範囲が広い *局所解*に陥りにくい 長所 定式化が難しい問題に最適 瞬時に解を出せる パラメータが複雑で多い 計算負荷が高い 短所 新たな入力には対応できない *局所解*に陥りやすい 巡回セールス問題 応用例 文字画像パターン認識

7 遺伝的アルゴリズム（GA）とは？ 『ダーウィンの進化論』
＜フローチャート＞ 『ダーウィンの進化論』 　　　与えられた自然環境の中で、個体集団の各個体同士が交配と突然変異を繰り返しながら、その自然環境によく適応する個体ほど生き残り、子孫を増やす。 自然淘汰のメカニズムをモデル化し 最適解を求めようとするアルゴリズム。 GAの改良研究の例 分散GA（DGA）・・・移住による並列処理 対話型GA(IGA)・・・人為判断による探索 GA 母集団の生成 適応度の評価 Yes 終了条件 END No 選択 交叉 突然変異

8 対話型GA（IGA）とは？ GAを用いた対話型進化計算（IEC） IGAの特徴 GAの「評価」処理を人間が行う
人の感性によるシステムの最適化が可能。 感性をシステムに組込む技術である。 複雑な組み合わせ構造の問題領域にも適用可。 例）照明、配色、音楽

9 IGAのフローチャート IGAでは 人間による判断で、「評価」を行う ※GAの「適応度の評価」には 定式化された関数を用いる IGA
母集団の生成 適応度の評価 Yes 終了条件 END No 選択 IGAでは 人間による判断で、「評価」を行う 交叉 突然変異

10 IGAの研究テーマへの適用（仮） 配色最適化 母集団の生成 適応度の評価 Yes 終了条件 Webページ 生成処理へ No 選択 交叉
配色情報の解析 色情報、割合・・・ 遺伝子コーディング 配色最適化 母集団の生成 ユーザーにとって 最良な配色の提案・評価 適応度の評価 見やすい配色か？ （満足できる？） Yes 終了条件 Webページ 生成処理へ No ※更新される色情報を渡す 選択 最良な配色の探索 ※満足を得られたときのパラメータを記憶する。次回起動時に利用される。（詳細は考え中・・・） 交叉 突然変異

11 # 進捗状況 # 研究状況 次のステップ GA・NNなどのAI手法の調査 ⇒IGAを用いる！
Javaアプリケーションの開発環境の構築（NetBeans） オブジェクト指向プログラミングの学習 次のステップ 色覚のしくみについて調査する 大まかにシステム仕様を仮決定し、検討・改良する 流れを明確にし、わかりやすい設計書を作成予定。 GAを用いた簡単なプログラム制作で学習する 配色情報をどのように遺伝子コーディングするか検討。

12 # 今後の予定 # 7月 11月? ＜調査＞ 今現在 ＜設計＞ ＜開発＞ ＜テスト＞

13 参考文献 花田良子, 細江則彰, 梶原広輝, 吉井健吾, 吉田昌太, 千野晋平, 廣安知之, 三木光範「遺伝的アルゴリズム(Genetic Algorithm:GA)の基礎」 山川 望, 廣安 知之, 三木 光範「対話型遺伝的アルゴリズムの基礎」 平野廣美(1995)『応用事例でわかる遺伝的アルゴリズムプログラミング』パーソナルメディア 岡部正隆,伊藤啓,橋本知子(2003)「ユニバーサルデザインにおける色覚バリアフリーへの提言」<

14 ＊ご清聴ありがとうございました＊ 樽美　澄香