カオス性が解探索性能に与える影響の解明：組合せ最適化問題を対象として

点击翻译按钮获取中文摘要

本研究の目的は，ランダムなようでランダムではないカオス的な振舞いが，計算困難な組合せ最適化問題における解探索性能に与える影響を解明することである．組合せ最適化問題は，現実世界に存在する最適化問題の9割を占める重要な問題である．組合せ最適化問題に対する有力な解法の一つに，日本発の人工知能「カオスニューラルネットワーク」がある．この解法は，カオス的な振舞いによって最適解の周辺に多数存在する“最適解に似ているが最適ではない解”から効率的に脱出することができるため，性能が良いと考えられている．しかし，解探索プロセスが本当にカオス的であるか否かは未知であり，それに伴ってカオス的な振舞いが解探索性能に与える影響も未知である．そこで本研究では，カオスニューラルネットワークによる組合せ最適化問題の解法の解探索プロセスを解析し，カオス性が解探索性能に与える影響を解明する．昨年度は，カオス的な振舞いをするパラメータに調整したカオスニューロンの内部状態値の時系列と，それを複数個結合したカオスニューラルネットワーク中の一つのニューロンの内部状態値の時系列に対してWaylandテストを適用したところ，カオスニューラルネットワーク中のニューロンの振舞いはカオス的よりもランダムに近いという結果となった．本年度はその他のカオス性評価指標としてComplexity-Entropy Causality Plane (CECP) を使用することを検討した．数値実験の結果，カオスニューラルネットワーク中のニューロンの振舞いはカオス的とランダムの境目付近に位置することが分かった．