Discovery Sagaサイレントキーワード俯瞰

学習 / 進化 / 共生 / 強化学習 / 遺伝的アルゴリズム / 知的システム / 相互作用 / マルチエージェント / ニューラルネットワーク / 遺伝的プログラミング / 知的エージェント / 複雑システム / 共生学習 / 共生進化 / ネットワーク構造

本研究では、知的システムの構築に必要な、知的工一ジェントの構築、エージェント問の相互作用の構築、マルチエージェントシステムの学習と進化をテーマに研究を推進してきた。
1.知的工一ジェントの構築:有向グラフ構造でプログラムを構成する遺伝的ネットワークプログラミング(GNP)を開発し、エージェントの行動生成における性能評価を行ったところ、従来手法と比べて良い性能を示すことが明らかになった。
2.エージェント間の相互作用の構築:GNPで構成される複数のエージェント間の知的相互作用を構築するため、共利、競争、搾取、利他という生態系における共生の概念を応用した、共生学習進化アルゴリズム(Masbiole)を開発した。タイルワールド問題を用いたシミュレーションの結果、提案手法が共生戦略を導入したことによる複雑なエージェント間の相互作用を示すことを明らかにした。
3.マルチエージェントシステムの学習と進化:一般に、生物は長い世代を通じて行われる進化と、一生の間に試行錯誤を通じて行われる学習が相互に影響しあってその発達を促進していると考えられる。この考え方を基に、上記1で提案したGNPと強化学習と呼ばれる学習アルゴリズムを組み合わせることで、より効率的な処理ができるプログラムを自動生成する手法を開発した(学習進化型GNP)。複数の個体問で選択、交叉、突然変異を行うことで良い個体が生成される進化に加え、各個体の処理実行中にもオンライン学習によるプログラムの改善が行えることにより、進化のみのGNPおよび従来の進化型計算手法(遺伝的プログラミング)より性能が良くなることを明らかにした。

進化型システム / マルチ・エージェント / 遺伝的アルゴリズム / 遺伝的プログラミング / 学習 / 共進化 / 共生 / マルチエージェント

初年度に構築したマルチエージェント学習システムをいくつかの実用的な問題に対して適用し、その有効性を明らかにした。応用例としては、以下に述べるように広範囲の分野が含まれる。
1.WebロボットによるWWWサーチの適応的進化
構築したシステムに基づいて、共進化的手法による複数Webロボットの制御学習を行った。これによってユーザの興味にあったWebページを探索するアルゴリズムを実現した。
2.進化型ハードウェアの自動合成
本研究では、回路を複数の部分回路(エージェント)からなるマルチエージェント集団とみなして共進化型学習を適応し、的確なハードウェアを合成するシステムを構築した。
3.分散ロボットシステム
数台のプログラム可能な小型移動ロボット(K Team S.A.,Kheperaなど)の実験環境を実現し、実ロボットへの応用を試みた。具体的には、多数のロボットの間の協調行動の共進化型学習を実現した。本研究では共進化ということに焦点をあて、分業の達成、寄生行動、競争などの振る舞いに関してその実現と工学的観点からみた制御可能性に関して研究を行った。
4.ゲノム情報処理
開発した進化論的な計算手法(遺伝的アルゴリズム、遺伝的プログラミング)を応用して、動的な遺伝子・タンパク質ネットワークの推定を試みた。具体的には数十程度のノード数の重み付きネットワークモデルや微分方程式系モデルのトポロジーとパラメータの同定に成功した。
またこの他にも、量子回路の自動合成、対話型作曲支援、および金融データ予測などにも構築したシステムを応用し、その有用性を確認した。

【研究分担者】
古月敬之	早稲田大学	大学院・情報生産システム研究科	助教授	(Kakenデータベース)

【研究分担者】
石塚満	東京大学	大学院・工学系科学研究科	教授	(Kakenデータベース)