テーマ⑥ 進化計算
変化と選択に基づく世代交代により解が進化していく計算の総称
進化計算
最適化問題
アルゴリズム
進化的アルゴリズム
遺伝的アルゴリズム
群知能
深層学習と進化計算の違い
使われ方
google scholarで「進化計算 応用例」で調べるとたくさん出てきた
株式投資の予測
画像処理
デザイン
新幹線の車体
空間
学習機能を有する仮想空間作成システム
遺伝的アルゴリズムを用いたゲームの攻略
等
関連用語
メタヒューリスティック
ソフトコンピューティング
実装
Python進化計算ライブラリDEAP
過剰適応
友達のいいの
突然変異
/kyoyo-ds2019-053/突然変異
局所的最適解になるの(過剰適応)を防ぐのに使う
突然変異の確率が低すぎても高すぎてもダメ
数理計画問題
/kyoyo-ds2019-004/最適化問題
f(x, y)の最小値
焼きなまし法
/kyoyo-ds2019-011/焼きなまし法
https://cdn-ak.f.st-hatena.com/images/fotolife/Z/Zellij/20130614/20130614111139.png
これも過剰適応を防ぐ
進化計算整理
/kyoyo-ds2019-017/テーマ6:進化計算
計算自体がとても難しいくいい感じの解決手段が模索され続けている
量子コンピュータが得意としているらしい
ランダムフォレスト
/kyoyo-ds2019-035/ランダムフォレスト
決定木により複数の弱学習機を結合させて汎用能力を向上させる
交叉
/kyoyo-ds2019-032/交叉
0.7とか、高いほうがいい
選択した個体の遺伝情報をもとに、新しい世代をランダムに生成すること
このとき一定の確率で突然変異が起こるようにする
授業メモ
生き物はメタヒューリスティックをよく使う
多点探索(さまざまな可能性を並列に探る)
生き物はいろんなことを生き残るための最適化問題としてとらえている
→コンピュータで再現したらいろいろ使えそう... →進化計算
初期個体のバラマキはめちゃめちゃ大切
ばらまけばばらまくほどいい
Exploitation(活用)とexploration(探索)のジレンマ
活用ばっかりだと井の中の蛙
探索ばっかりだと活用ができない
多様なこと(たまに新しいことをすること)大切
例
過去の成功体験にとらわれる
進化計算は実行のたびに結果がかわるのがデメリット
基本問題は多目的最適化
パレート最適解をもとめる
#テーマ6