遺伝的ネットワークプログラミングの学習と進化およびその応用に関する研究
【研究分野】システム工学
【研究キーワード】
進化論的計算手法 / 遺伝的アルゴリズム / 遺伝的プログラミング / データマイニング / 相関ルール / 進化型計算 / 学習 / 共生 / 機能局在 / マクロノード / 進化 / ニューラルネットワーク
【研究成果の概要】
自然や生物に学ぶ問題解決法である遺伝的アルゴリズム(GA)は、は自然界のシステムの適応過程を説明するモデルとして提唱されてきた。また、知識表現、プログラム、概念木などを扱う遺伝的プログラミング(GP)が開発されている。これらのいわゆる進化論的計算手法は工学的最適化のための手法として現在アルゴリズムの開発と応用への展開が盛んに進められている。しかし、従来の進化論的計算手法は、遺伝子をストリングあるいは木構造で表現しているため、その表現能力、進化性能等で対象システムのモデル化および最適化の点で不十分である。したがって、研究代表者らは有向グラフを遺伝子とする遺伝的ネットワークプログラミング(Genetic Network Programming, GNP)を提案し、その有効性の検証を行ってきたが、本研究課題では、以下のようなGNPの新たな展開と実システムへの応用を推進した。
1. GNPの新たな展開
学習と進化の融合、機能局在型GNP、マクロノード付きGNP、共生学習進化型GNP、可変構造型GNP
2. GNPの応用展開
エレベータ群管理システムへの応用、データマイニングへの応用、株式売買モデルへの応用
GNPは、判定ノードと処理ノードを方向付きリンクで接続したもので、グラフ構造ゆえにノードの重複活用が可能であり、表現能力、アルゴリズムの把握のしやすさ、進化性能の点で優れている。また、有限オートマトンとも異なり、必要な情報を必要な時に判定するなど部分観測マルコフ決定過程下での進化が可能であり、応用分野の拡大が期待できる。
【研究代表者】