【研究分野】システム工学

【研究領域課題番号】17360186 (KAKENデータベースで見る）

【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。

【研究種目】基盤研究(B)

【研究期間】2005 - 2007

【配分額】14,820千円 (直接経費: 13,800千円、間接経費: 1,020千円)

【研究分野】システム工学

【研究領域課題番号】14350212 (KAKENデータベースで見る）

【研究キーワード】

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

【研究成果の概要】

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。

【研究種目】基盤研究(B)

【研究期間】2002 - 2004

【配分額】14,200千円 (直接経費: 14,200千円)

【研究分野】知能情報学

【研究領域課題番号】11480071 (KAKENデータベースで見る）

【研究キーワード】

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

【研究成果の概要】

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。

【研究種目】基盤研究(B)

【研究期間】1999 - 2000

【配分額】7,200千円 (直接経費: 7,200千円)

【研究分野】制御工学

【研究領域課題番号】10650433 (KAKENデータベースで見る）

【研究キーワード】

学習 / ニューラルネットワーク / 強化学習 / 非線形システム制御 / カオス / 遺伝的アルゴリズム / 連想記憶 / ファジィ / モデル化 / 制御 / 不完全観測 / オブザーバ / 高速化 / ロバスト性

【研究成果の概要】

非線形複雑系のモデル化と制御には、生物の学習方式及び記憶方式を解明し、その工学的利用が有益であると考えられる。このことから、生物の学習方式を範とするモデル化と学習方式及び,複雑系の代表格である脳の連想記憶方式とそのモデル化に関する研究を行った.
1.モデル化に関する研究
遺伝的アルゴリズムを用いた可変長の遺伝子コードを間接符号化法に基づく,最適ネットワークサイズと適切なネットワークパラメータを持つニューラルネットワーク設計法を提案し,シミュレーションによりその有効性を確認した.
2.学習及び制御に関する研究
・ロバストな制御器構築を目的として,制御器構造をコンパクト化する方式の検討を行い,非線形クレーンシステム制御のシミュレーションによりその有効性を確認した.
・ネットワークによるモデルを学習にて構成する場合の学習時間の短縮化に関する検討を行い,学習すべきシナプス重みパラメータを関数表現化する方式を提案し,学習の高速化の点で有効であることを確認した.
・生物の自然な学習方式である強化学習方式について,不完全観測環境下におけるactor-critic学習方式と確率傾斜法の協調学習方式を開発,また,強化学習における試行錯誤において試行に関する探索方向を適応的に変化させることを提案し,倒立振子の制御及び自律走行ロボットの行動学習を例題として高い探索効率及び学習試行回数の減少効果を持つことを確認した.
3.連想記憶方式とそのモデル化に関する検討
・記憶の記銘・想起のうち,想起に関する記憶検索モデルについて検討し,従来方式に比較して想起したい記憶を想起するまでの時間ステップが短い記憶探索モデルを提案した.

【研究種目】基盤研究(C)

【研究期間】1998 - 2000

【配分額】2,700千円 (直接経費: 2,700千円)

【研究分野】社会システム工学

【研究領域課題番号】09780408 (KAKENデータベースで見る）

【研究キーワード】

ハイパーゲーム / 動的ネットワーク型ハイパーゲーム / 相互認識 / 学習 / 遺伝的アルゴリズム / 状況認知 / コンフリフト / 認知 / 情報生成

【研究成果の概要】

本研究ではまず、社会状況に含まれる各主体の状況に対する認知が異なることによる情報の分散共有の状態を記述するための数理的モデルとして、二人ハイパーゲームを本質的に拡張した動的ネットワーク型ハイパーゲームを定式化した。これによりゲームを繰り返すことで各主体が持つ認知を学習していく過程を記述することが可能となった。
次に、学習過程を分析するために、遺伝アルゴリズムを動的ネットワーク型ハイパーゲームに適用して、相互認識の学習過程における情報のタイプについて知見を得た。本研究では、社会集団に含まれる各主体が同時に並列的に状況認知を表す自己の利得行列を改善する方法、特にゲームを繰り返す中で以前のゲームの結果をどのように評価し次のゲームにおける利得行列に反映させたらよいのかを探ることが主な目的であった。本研究により、利得が(0,1,2)の限られた場合における利得行列の並列的学習に成功した。
実験の結果を基づいて、認知の学習理論のための基礎枠組みを構築することも試みた。基本的には動的ネットワーク型ハイパーゲームであるが、そこにおける認知の進化的学習の問題を定式化した。これにより、従来型の漸近的な学習プロセスによる取り扱いでは本研究におけるハイパーゲーム型状況の学習に接近することが困難であることが明かとなった。
これらの研究成果は、システム関連の国際会議、経営情報学会、進化経済学会において発表された。特に進化経済学会における発表では、進化ゲーム等との関連も明らかにした。

【研究種目】奨励研究(A)

【研究期間】1997 - 1998

【配分額】2,000千円 (直接経費: 2,000千円)

【研究分野】計測・制御工学

【研究領域課題番号】09450171 (KAKENデータベースで見る）

【研究キーワード】

ニューラルネットワーク / 遺伝的アルゴリズム / ファジイ / 一般化学習ネットワーク / 高次微分 / 共生 / ロバスト制御 / カオス制御 / モデル化 / 学習 / 確率 / 制御 / 安定性 / カオス / 集中化・多様化 / ネットワーク / 離散事象 / オートマトン / ゲート

【研究成果の概要】

本報告は、科学研究補助金に関する研究課題「学習ネットワークによる複雑システムのモデル化とインテリジェント制御に関する研究」についての研究成果である。
広域電力ネットワークシステム、分散型交通・物流ネットワークシステム、総合上水道ネットワークシステム、大規模複雑原子力・火力・化学プラント等最近の制御対象は大規模化、複雑化、広域化、分散化する傾向にある。
それに従い、従来の制御理論の枠組では環境の変化と多様な目的に対応する高度な制御を行う事が困難となり、従って、制御システム全体を非線形ネットワークとして捉え、これにより既存の制御手法にはない柔軟性と創造性を持ったシステムを構築する事が強く求められていた。
そこで、本研究では生命現象をも含む自然現象及び論理の世界を大規模複雑なシステムとして捉え、これをモデル化し制御するための一般化学習ネットワーク(ULNs:Universal Learning Networks)と確率一般化学習ネットワーク(PrULNs:Probabilistic Universal Learning Networks)およびネットワーク最適化の学習方式である適応的ランダム探索法(RasID:Random Search Method with Intensification and Diversification)と遺伝的共生アルゴリズム(GSA:Genetic Symbiosis Algorithm)を開発した。
又、これ等の手法を具体的応用システムに展開し、ロバスト制御、カオス制御等が統一した枠組の中で論ずる事が出来る事を明らかにしている。

【研究種目】基盤研究(B)

【研究期間】1997 - 1999

【配分額】9,500千円 (直接経費: 9,500千円)

【研究分野】社会システム工学

【研究領域課題番号】06680397 (KAKENデータベースで見る）

【研究キーワード】

ハイパーゲーム / 遺伝的アルゴリズム / 学習 / 適応

【研究成果の概要】

本研究では「繰り返し二人ハイパーゲーム」の枠組みを定式化し、不完全情報下の社会状況を記述した。この枠組みにより、問題状況に関与する各主体の認知の相違と、そこから生じるコンフリクトを表現することができる。またゲームを繰り返すことにより、コンフリクトの解消に焦点をあてたモデル化が可能となった。
上述の定式化された枠組みを用いて、各主体の状況に対する認知の学習に遺伝的アルゴリズムを適用し、計算機を用いて実験を行った。ハイパーゲーム的社会状況に対し遺伝的アルゴリズムが使われた例はこれまでになく、本研究の特色である。本研究では、プレーヤの認知を改善し、正しい認知になるように学習を行わせることに成功した。
本研究の結果により、目標となる相手の利得行列が未知であるとき、自己の持つ相手への認知をどのように評価すれば認知を状況に適応する方向へ改善できるのかという、ハイパーゲームの学習過程に関する規範的知見を得ることができた。具体的には、利得行列を学習するためには、状況に適応している行列ならば得られるであろう利得と実際に得られた利得との差だけではなく、ナッシュ解の個数などの行列の形に関する性質も必要である。
本研究の結果は計測自動制御学会のシンポジウムで発表され、日本経営情報学会の論文誌に投稿され、掲載予定である。

【研究種目】一般研究(C)

【研究期間】1994

【配分額】2,100千円 (直接経費: 2,100千円)