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.