時間経過に伴い変化する動的システムのための進化計算手法の開発と応用研究

本研究では，時間経過とともに変化を伴う「動的システム」のための進化計算手法の開発とその応用研究を目的とする．遺伝的アルゴリズム (GA: Genetic Algorithms) や遺伝的プログラミング（GP: Genetic Programing)，粒子群最適化手法 (PSO: Particle Swarm Optimization) などの進化計算手法の解探索能力の向上のためには，個体群多様性と解探索集中化のバランスの取れた両立が重要である．本研究では，これを実現することを目的として，並列分散の進化計算手法において分散最適化された部分個体群を長期的に保持しておく「長期メモリ」を導入することで，動的システムの再現性や周期性などの特性に対応した最適化手法を構築する．特に，木構造で表現可能なルールを進化的に獲得することを目的としたGPに着目することで，動的システムに対する汎用的なルールを効率的に獲得可能なシステムを構築した．また，獲得されたルールを分析することで，動的システムに対して最適化されたルールの抽出およびその解釈を行った．本研究では，現実的な動的システムの一種である様々な動的スケジューリング問題に対する適用実験を通して構築した最適化手法の有用性を示した．さらに，本研究課題において得られた動的スケジューリングに対する有効な優先度決定規則などに関する知見に基づいて，現実の動的システムに対する適用と評価などの実践的研究を進める．

本研究では，時間経過とともに変化を伴う「動的システム」のための進化計算手法の開発とその応用研究を目的とする．遺伝的アルゴリズム (GA: Genetic Algorithms) や遺伝的プログラミング（GP: Genetic Programing)，粒子群最適化手法 (PSO: Particle Swarm Optimization) などの進化計算手法の解探索能力の向上のためには，個体群多様性と解探索集中化のバランスの取れた両立が重要である．本研究では，これを実現することを目的として，並列分散の進化計算手法において分散最適化された部分個体群を長期的に保持しておく「長期メモリ」を導入することで，動的システムの再現性や周期性などの特性に対応した最適化手法を構築する．特に，木構造で表現可能なルールを進化的に獲得することを目的としたGPに着目することで，動的システムに対する汎用的なルールを効率的に獲得可能なシステムを構築した．また，獲得されたルールを分析することで，動的システムに対して最適化されたルールの抽出およびその解釈を行った．本研究では，現実的な動的システムの一種である様々な動的スケジューリング問題に対する適用実験を通して構築した最適化手法の有用性を示した．さらに，本研究課題において得られた動的スケジューリングに対する有効な優先度決定規則などに関する知見に基づいて，現実の動的システムに対する適用と評価などの実践的研究を進める．