Upload
jalena
View
29
Download
3
Embed Size (px)
DESCRIPTION
構造適応型分散遺伝的アルゴリズム. †. †. ‡. 廣安知之,三木光範,○赤塚浩太. Adaptive Structure Distributed Genetic Algorithm. † 同志社大学工学部知識工学科. ‡ 同志社大学大学院工学研究科. 研究背景 (GA). 単純 GA(Simple GA). 生物の進化を模倣した確率的なアルゴリズム. 分散 GA(Distributed GA). 単純 GA の母集団を分割し,各母集団で単純 GA を行う.. 単純 GA. 分散 GA. 研究背景 (DGA). 単純 GA(Simple GA). - PowerPoint PPT Presentation
Citation preview
Adaptive Structure Distributed Genetic Algorithm
構造適応型分散遺伝的アルゴリズム
† 同志社大学工学部知識工学科‡ 同志社大学大学院工学研究科
廣安知之,三木光範,○赤塚浩太†† ‡
研究背景 (GA)
単純 GA 分散 GA
分散 GA(Distributed GA)
単純 GA(Simple GA)生物の進化を模倣した確率的なアルゴリズム
単純 GA の母集団を分割し,各母集団で単純 GA を行う.
研究背景 (DGA)
単純 GA 分散 GA
生物の進化を模倣した確率的なアルゴリズム
一定世代毎に個体の交換をする,移住という操作を行う.単純 GA の母集団を分割し,各母集団で単純 GA を行う.
分散 GA(Distributed GA)
単純 GA(Simple GA)
研究背景 (DGA)
単純 GA 分散 GA
単純 GA の母集団を分割し,各母集団で単純 GA を行う.一定世代毎に個体の交換をする,移住という操作を行う.
生物の進化を模倣した確率的なアルゴリズム分散 GA(Distributed GA)
単純 GA(Simple GA)
分散 GA(Distributed GA)
単純 GA(Simple GA)
研究背景 (DGA)
単純 GA 分散 GA
単純 GA の母集団を分割し,各母集団で単純 GA を行う.一定世代毎に個体の交換をする,移住という操作を行う.
生物の進化を模倣した確率的なアルゴリズム並列計算用に考案
単一マシン上で DGA
SGA より少ない計算量で解を求める
これまでの DGA の問題点
問題 A
問題 B
パラメータDGA
DGA
これまでの DGA では,すべての問題に対し同じアルゴリズムを適用してきた.
これまでの DGA の問題点
問題 A
問題 B
DGA
DGA
パラメータ
問題の性質の差は,ユーザーが数あるパラメータの中から適すると思うものを経験的に選んで対応してきた.
これまでの DGA では,すべての問題に対し同じアルゴリズムを適用してきた.
これまでの DGA の問題点
DGA
DGA
問題 C パラメータ
問題 D
問題の性質の差は,ユーザーが数あるパラメータの中から適すると思うものを経験的に選んで対応してきた.
これまでの DGA では,すべての問題に対し同じアルゴリズムを適用してきた.
この手法では対象問題が未知の場合や,パラメータ設定を誤ると, DGA の本来の能力が発揮できない
提案するシステ
ム
システム提案
問題の評価
問題 B
問題 A
DGA
問題 A
問題 B問題 B
用
問題 A用
問題の評価を行い,その結果に基づいて自動的に最適な DGA アルゴリズムを適用するシステムを提案
対象問題の分類対象問題の分類
対象問題 F(x,y,z)=x+yz設計変数 x,y,z
設計変数間の依存関係に注目した分類
F(x,y) = G(x) + H(y) と分解できる
g(x) h(y)と をそれぞれ最小化
=設計変数間に依存関係が無い
対象問題の分類 ( 依存関係とは )
設計変数間の依存関係 F(x,y) の最小値を求める
Ex. F(x , y) = x + cos(y) 2 F(x,y) = G(x) + H(y) と分解できない
F(x,y) を同時に最小化=設計変数間に依存関係が有る
Ex. F(x, y) = (x – y) 2
対象問題の分類
対象問題
設計変数間に依存関係が無いEx. F(x , y) = x + cos(y) 2
設計変数間に依存関係が有るEx. F(x, y) = (x – y) 2
提案するシステム概要
問題の評価
問題 B
問題 A
DGA
問題 B用
問題 A用
依存無し
依存有り DGA
DGA 探索プロセス依存関係評価プロセス
● 依存関係評価プロセス・・・対象問題の評価を行う●DGA 探索プロセス ・・・ DGA による探索を行う
・ DGA/DSa :依存関係がない問題に用いる・ DGA :依存関係がある問題に用いる
2つのプロセスを一定世代毎に繰り返しながら探索を行う
DGA/DSa
依存関係評価
依存関係評価プロセス
DGA 探索プロセス
依存無し
依存有り
DGA/DSa
DGA
依存関係評価プロセス
0
2
4
6
F
0 1 2 30
12
3
x
y
F(x,y)=x+y
依存無し
y=3y=0
F
x
依存関係評価プロセス
02468
10
F
0 1 2 30
12
3
x
y
F(x,y)=(x-y)2
依存有り
y=3y=0
F
x
依存関係評価プロセス
設計領域内での依存関係を完全に評価するのは非常に困難
非常に少ない点を用いて簡単に評価し全体を類推
しかし,常に正しい判断ができるとは限らない
一定世代毎に依存関係の再評価を行うことで対応
DGA/DSa- 探索領域分割 GA
依存関係評価プロセス
DGA 探索プロセス
依存無し
依存有り
DGA/DSa
DGA
DGA/DSa- 探索領域分割 GA
依存関係が無い場合に用いる GA
探索領域分割 GA(DGA/Divided Searching area)
設計変数間に依存関係が無い
各設計変数毎に解を求め最後に合わせれば良
い
F(x,y)=G(x)+H(y)G(x)と H(y) をそれぞれ最小化
島1 島2 島3
DGA/DSa
DGA
x y z
DGA/DSa- 探索領域分割 GA
依存関係が無い場合用のアルゴリズムF(x,y,z)
染色体
x,y,z x,y,z x,y,z
x y z
DGA/DSa- 探索領域分割 GA
設計変数1x
設計変数2y
設計変数3z染色体
島1 島2 島3
Ex. F( x, y, z)=x + y + z2 2 2
G(x)=x 2 H(y)=y 2 I(z)=z 2
DGA に比べて探索の組み合わせ数が激減探索効率=1/設計変数の数
DGA
依存関係評価プロセス
DGA 探索プロセス
依存無し
依存有り
DGA/DSa
DGA
DGA
依存関係が有る場合用のアルゴリズム
島1 島2 島3
x,y,z x,y,z x,y,z
カスタマイズ
移住を行わない実行可能領域の探索に伴う変更
ASDGA- 構造適応型 DGA
構造適応型 DGA ( Adaptive Structure DGA )
依存関係評価プロセス
DGA 探索プロセス
依存無し
依存有り
DGA/DSa
DGA
対象問題
依存関係無しRastrigin Schwefel
設計変数間の一部に有り
Original_1
依存関係有りRosenbrock Griewank
Ridge
Original_2 解空間の一部に有り
対象問題
設計変数1-2 , 3-4 , 5-6 ・・・の間に依存関係
Original_1 F=Σ{100(x -x ) +(x -1) }2
2i-1i=1
n/2
2i2 2
2i
対象問題
Original_2 解空間の一部に依存関係有り
F={ G(x) if G(x)>H(x)H(x) otherwise
G(x)=Σ(Σ x )i=1 j=1
n i
j2
H(x)=5 n{10n+Σ(x –10cos(2πi))√ 2i
n
i=1
依存関係有り
依存関係無し
対象問題
Original_2 解空間の一部に依存関係有り
依存関係有り
依存関係無し
探索初期個体が全体に散らばるため,依存関係がある関数として評価
対象問題
Original_2 解空間の一部に依存関係有り
依存関係有り
依存関係無し
探索初期個体が全体に散らばるため,依存関係がある関数として評価
対象問題
Original_2
探索初期個体が全体に散らばるため,依存関係がある関数として評価一定世代後個体が最適解付近に集まるため,依存関係の再評価時に,依存関係が無い関数として評価
解空間の一部に依存関係有り
依存関係有り
依存関係無し
数値実験
実験に用いたその他のパラメータ
実験に用いた GA
構造適応型 DGA(ASDGA)
交叉率 1.0
ランキング選択個体数 600 島数 10
突然変異率1 / L試行回数 20エリート保存
移住率 0.3 ,移住間隔[ 2,5,10,20 ]と移住無しの分散 GA ( DGA-Mig[2,5,10,20,0])
数値実験 : 依存関係の無い関数
0
50000
100000
150000
200000
250000
評価計算回数
Rastrigin Schwefel
ASDGADGA-MIG2DGA-MIG5DGA-MIG10DGA-MIG20DGA-MIG0
数値実験:依存関係一部に有り
0
500000
1000000
1500000
2000000
2500000
評価計算回数
Original1 Original2
ASDGADGA-MIG2DGA-MIG5DGA-MIG10DGA-MIG20DGA-MIG0
設計変数間 解空間
数値実験:依存関係の有る関数
0
0.5
1
1.5
2
2.5
3
3.5
4
1000
世代
での
解
Rosenbrock 00.010.020.030.040.050.060.070.08
Griewank Ridge
ASDGA DGA-MIG2DGA-MIG5 DGA-MIG10DGA-MIG20 DGA-MIG0
結論
対象問題を評価して適応的に GA の構造を変化させる ASDGA を提案
依存無し,一部に依存有りの関数
性能を大幅に向上
依存有りの関数
常にある程度の品質の解が得られる