授業ノート Jan 16 2019
突然変異確率：0.5はバラバラ、0.01起こりにくい、1.0は完全に変わるということ
初期個体がまんべんなくばらまくと、いろいろな山を見つけられる
GAパラメータ
小さすぎると局所解に収束、大きすぎると安定しない
活用と探索
対象とする範囲（実行可能領域）をなるべくまんべんなく探索したい
実際は多次元の探索
Expoitation（活用）とExploration（探索）ジレンマ
いい「親」であれば、良い解の「知見」をうまく活用する→expoitation
探索範囲を開拓する→exploration
知見をうまく活かしつつも多様性を保るメカニズムが必要
過去の経験に囚われすぎないこと→たまに新しいことをしないといけない
現実には、決定変数にもノイズが乗る
対話的進化計算：例→作曲など
進化計算
確率（乱数）をうまく活用した方法
確率を武器にしている方法
確率的探索なので、実行のたびに結果が異なる
多目的最適化
評価基準が多くある場合：パレート最適解（たくさんある）→トレードオフ
いろいろな価値を考慮して、幅広い視点から「たくさんの可能性」を見つけることができる
進化型多目的最適化（EMO）
最終課題
3課題