対話型 Differential Evolutionに関する研究

九州大学　芸術工学部高木研究室

1DS04203G 満安　大樹

目次1. この研究について2. 対話型 Differential Evolution3. 性能評価4. まとめと研究の今後

この研究について

この研究について（位置付け）

IEC

IGA

IPSO

TIGA

ETC…

IDE 対話型 Differential Evolution

この研究について (目的 )

1. 対話型 Differential Evolution (IDE)を提案する

2. IDEの性能を先行手法との比較で明らかにする．

対話型 Differential Evolution仕組みの説明

対話型 Differential Evolution(1)

• 以下の手順で，この手法について説明する1. Differential Evolutionについて2. 対話型 Differential Evolutionについて3. 動作イメージ

Differential Evolutionとは• GAと同じ ,連続値向けの最適化手法• 以下のように，個体を作成する

母集団

個体 B

個体 C

個体 D

Target Vector

MutantVector

Trial Vector

次世代の個体

比較する

対話型 Differential Evolution

• この研究での提案手法である1. 対比較を繰り返すことで，進化計算を行うことができる

2. 一世代あたりの対比較の回数は，個体数と同じ回数

疲労軽減が期待できる

応用時の動作イメージ (IGA)

応用時の動作イメージ (IDE)

性能評価

IEC

IGA

IPSO

TIGA

ETC…

IDE 対話型 Differential Evolution

性能評価の方法（評価する手法 )

性能評価の方法 (評価関数 )

• 疑似人間として混合ガウス関数を評価関数とした．

平均，標準偏差，高さを変えた２種類の関数について実験を行った．

性能評価の方法（条件設定）• 前述した条件のもとに、解空間を３，５，９，１２次元と変化させた．

• 各手法の個体数を１５個体，３０個体の２種類で実験を行った．

実験結果 (５次元，５０回平均 )

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

-3.5

-3

-2.5

-2

-1.5

-1

-0.5

0

５次元ガウス１５個体

IDE

IGA

TIGA

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

-4

-3.5

-3

-2.5

-2

-1.5

-1

-0.5

0

５次元ガウス３０個体

IDE

IGA

TIGA

実験結果 (９次元 ,５０回平均 )

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

-3.5

-3

-2.5

-2

-1.5

-1

-0.5

0

9次元ガウス１５個体

Series1 Series2 Series3

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

-3.5

-3

-2.5

-2

-1.5

-1

-0.5

0

9次元ガウス 30個体

Series1 Series2 Series3

有意差検定有意差を確認するため３０世代目について，符号検定を行った．（危険率５パーセント）

５次１５個体 ５次３０個体 ９次元１５個体

９次元３０個体

IGA 有意差あり(48 : 2)

有意差あり(45 : 5)

有意差あり(36:14)

有意差なし(21:29)

TIGA 有意差あり(45:5)

有意差あり(43:7)

有意差あり(45 : 5)

有意差なし(25:25)

実験結果• そのほか，１２次元，３次元について実験を行った．•IDEは次元数が少ない時に，高い性能を示した•特に，個体数が少ない時の性能が高い．

•次元数，個体数が増えると，性能面でＴＩＧＡや IGAが上回ることがある .

まとめと研究の今後

まとめと研究の今後

この研究で， IDEが有効な手法であろうことが示された .特に，個体数が少ない時に性能が高いのは IECに有利

今後は？

今後は， DE高速化手法の適用による，更なる高速化，ユーザ評価実験などが必要になる．