授業ノート Jan 9 2020
14回目の授業は必ず出席のこと
最適化とは？
最も適しているものを探し出す方法
遺伝的アルゴリズム
最適化問題
何らかの課題（解きたい課題）→決めるべき値（決定変数）→「価値基準」のもとで「よりよく」なるようなものを決める
何らかの関数が存在する（真の関数）を数学的に求める
決定変数
評価関数（目的関数）：価値の数学的表現
最適化アルゴリズム（計算手順）
勾配法、ニュートン法、最急降下法→微分を求めて、その正負の値によりpeakまたはtroughを求めることができる
勾配法の弱点：局所最適解(local optimum)に陥りやすい。大域最適解（global optimum）を求めにくい。
評価関数の形がわかっていて、微分可能でないといけない
メタヒューリスティックス：（発見的解法）うまくいく保証はないが、大体うまくいくことが経験的にわかっている方法
多点探索：さまざまな可能性を並列に探れる
確率的操作により局所解を抜け出し得る
進化計算：生物にヒントを得た手法
例：蟻の群れはフェロモンを利用して、仲間が見つけたよい餌の場所に集まる
生物の進化：環境に適した種が生き残ることによって起こるプロセス→進化計算（Evoluitonary Computation）
進化：結果的に個体群が「より環境に有利な性質」を持つように変化していく現象
進化的アルゴリズム
実用化の例：「記号列で表せるもの」のうち、「良いもの」をみつけたいような問題