「進化的計算」の版間の差分

出典: フリー百科事典『ウィキペディア（Wikipedia）』
履歴の双方向閲覧
← 古い編集新しい編集 →
削除された内容 追加された内容
ビジュアルウィキテキスト
テアニン (会話 | 投稿記録)
3,857 回編集
歴史の節、出典不明な独自研究と思われるものやら、GAの登場年代を1960年代としているやら、ムチャクチャである気配があるからコメントアウトします
タグ: コメントアウト
3行目: 3行目:
進化的計算は、[[人口]]増加のような反復的過程を用いる。その人口は目的の結果に合うように誘導された[[ランダム]]かつ並列的な探索によって[[人為選択]]される。このような過程は、[[進化]]の生物学的機構にヒントを得ている。
進化的計算は、[[人口]]増加のような反復的過程を用いる。その人口は目的の結果に合うように誘導された[[ランダム]]かつ並列的な探索によって[[人為選択]]される。このような過程は、[[進化]]の生物学的機構にヒントを得ている。


<!--
== 歴史 ==
== 歴史 ==
1950年代、コンピュータが広く使われる以前に、[[ダーウィニズム]]の原理を自動問題解決に使うという発想が生まれた。[[1960年代]]、この考え方の具体化が3つの場所で独立に行われた。
1950年代、コンピュータが広く使われる以前に、[[ダーウィニズム]]の原理を自動問題解決に使うという発想が生まれた。[[1960年代]]、この考え方の具体化が3つの場所で独立に行われた。


[[アメリカ合衆国]]では、[[ローレンス・J・フォーゲル]]が[[進化的プログラミング]]を提唱した。また、[[ジョン・H・ホランド]]が[[遺伝的アルゴリズム]]と呼ばれる技法を生み出した。[[ドイツ]]では Ingo Rechenberg と Hans-Paul Schwefel が[[進化戦略]]を提唱した。これらは約15年間、独立して研究が進められた。[[1990年代]]初め、これらが1つの技術を表していることが明らかとなり、総称して進化的計算と呼ばれるようになった。また、同じころ第四の技法として[[遺伝的プログラミング]]が登場した。
[[アメリカ合衆国]]では、[[ローレンス・J・フォーゲル]]が[[進化的プログラミング]]を提唱した。また、[[ジョン・H・ホランド]]が[[遺伝的アルゴリズム]]と呼ばれる技法を生み出した。[[ドイツ]]では Ingo Rechenberg と Hans-Paul Schwefel が[[進化戦略]]を提唱した。これらは約15年間、独立して研究が進められた。[[1990年代]]初め、これらが1つの技術を表していることが明らかとなり、総称して進化的計算と呼ばれるようになった。また、同じころ第四の技法として[[遺伝的プログラミング]]が登場した。
--><!--
「ダーウィニズムの原理を自動問題解決に使うという発想」 ← 誰が発想して何という文献に書いているのか？
「1960年代……3つの場所で独立に……[[遺伝的アルゴリズム]]と呼ばれる技法を生み出した。」 ← GAは1970年代ですが？

以上2点、明確に問題点ですので、それが直せない限り戻さないでください。
-->


== 技法 ==
== 技法 ==

2018年12月19日 (水) 01:52時点における版

計算機科学において、進化的計算(evolutionary computation)は組合せ最適化問題を含む人工知能（より狭義には計算知能）の一分野である。

進化的計算は、人口増加のような反復的過程を用いる。その人口は目的の結果に合うように誘導されたランダムかつ並列的な探索によって人為選択される。このような過程は、進化の生物学的機構にヒントを得ている。


技法

進化的技法には以下のようなメタヒューリスティックな最適化アルゴリズムが含まれる。

また、他にも以下のような分野も含む。

進化的アルゴリズム

詳細は「進化的アルゴリズム」を参照

進化的アルゴリズムは、進化的計算の一部であり、生殖、突然変異、遺伝子組み換え、自然淘汰、適者生存などの生物学的進化から発想されたメカニズムを実装する技術にのみ関わる。最適化問題の解候補は、それぞれが個体の役割を果たし、コスト関数（適応度関数）によって与えられた環境でその解が「生き残る」かどうかが決定される。個体群の進化は、上述の作用を繰り返し適用することでなされる。

この過程には、進化系の基盤を形成する2つの主な力が存在する。組み換えと突然変異によって必要な多様性を生成する一方、選択によって性能/品質を向上させる。

このような進化的過程は様々な意味で確率的である。情報のうち組み換えや突然変異で変化する部分はランダムに選ばれる。一方、選択手法は決定的なものと確率的なものがありうる。後者の場合、適応度が高い個体ほど選択される確率が高いが、弱い個体であっても生き残って子孫を残す可能性がある。

主な会議とワークショップ

学会誌

関連項目

参考文献

  • A.E. Eiben and J.E. Smith, Introduction to Evolutionary Computing, Springer, 2003, ISBN 3-540-40184-9
  • A.E. Eiben and M. Schoenauer, Evolutionary computing, Information Processing Letters, 82(1): 1-6, 2002.
  • W. Banzhaf, P. Nordin, R.E. Keller, and F.D. Francone. Genetic Programming — An Introduction. Morgan Kaufmann, 1998.
  • D. B. Fogel. Evolutionary Computation. Toward a New Philosophy of Machine Intelligence. IEEE Press, Piscataway, NJ, 1995.
  • H.-P. Schwefel. Numerical Optimization of Computer Models. John Wiley & Sons, New-York, 1981. 1995 – 2nd edition.
  • Th. Bäck and H.-P. Schwefel. An overview of evolutionary algorithms for parameter optimization. Evolutionary Computation, 1(1):1–23, 1993.
  • J. R. Koza. Genetic Programming: On the Programming of Computers by means of Natural Evolution. MIT Press, Massachusetts, 1992.
  • D. E. Goldberg. Genetic algorithms in search, optimization and machine learning. Addison Wesley, 1989.
  • J. H. Holland. Adaptation in natural and artificial systems. University of Michigan Press, Ann Arbor, 1975.
  • I. Rechenberg. Evolutionstrategie: Optimierung Technisher Systeme nach Prinzipien des Biologischen Evolution. Fromman-Hozlboog Verlag, Stuttgart, 1973.
  • L. J. Fogel, A. J. Owens, and M. J. Walsh. Artificial Intelligence through Simulated Evolution. New York: John Wiley, 1966.

外部リンク

「https://ja.wikipedia.org/w/index.php?title=進化的計算&oldid=71001613」から取得