JP2000259599A - 遺伝的アルゴリズムを適用した情報処理装置及び方法 - Google Patents

Abstract

(57)【要約】 【課題】 ＧＡ作成者の要求に応じて、パラメータやオ
ペレータの異なるＧＡを自動的に作成しながら、最適な
パラメータやオペレータの組み合わせを探索可能とす
る。 【解決手段】 入力都市数、都市間距離に対応する遺伝
的アルゴリズム（ＧＡ）パラメータやオペレータ(選択
法、交叉数、交叉率、突然変異数、突然変異率)の設定
値を変えながらＧＡを自動的に作成する。パラメータや
オペレータの異なるＧＡごとに探索された解の中で、Ｇ
Ａにより探索される解があらかじめ定めた世代数の間、
同じになるまでに発見された最も評価値の高い解を最適
経路とする。各ＧＡによる最適経路の中で最も評価値の
高いものを最適解として出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、遺伝的アルゴリズ
ム（以下「ＧＡ」と称す。）を適用した情報処理装置及
び方法に関するものである。

【０００２】

【従来の技術】従来より、各種の事象に対する最適な対
処方法を決定する方法として種々の方法が採用されてき
たが、もっとも多く採用されてきた方法は、実際に多く
の経験を積んできた者が実経験に基づいて判断した方策
を尊重する方法である。

【０００３】しかし、この方法は、どうしても根拠が不
明瞭であり、再現性も乏しい。このため、近時ではコン
ピュータ技術の発達に伴い、コンピュータを用いて各種
の事象に対する最適な対処方法を決定する最適解探索方
法が種々模索されている。

【０００４】

【発明が解決しようとする課題】しかしながら、コンピ
ュータで最適解探索処理を行なわせるためには、適切な
パラメータの指示、処理方法の指示が不可欠であり、こ
れらの指示が不適切では満足な結果が得られないばかり
か処理にも多くの時間を費やすことになる。

【０００５】このため、どのようにして適切なパラメー
タの指示、処理方法の指示を行なうかが重要である。し
かし、従来は各種の事象に適切に対処できる汎用性に優
れたものが無かった。

【０００６】

【課題を解決するための手段】本発明は上述した課題を
解決することを目的として成されたものであり、適切な
パラメータの指示、処理方法の指示を要求せずに各種の
事象に適切に対処できる汎用性に優れた情報処理装置及
び方法を提供することを目的とする。そして係る目的を
達成する一手段として例えば、以下の構成を備える。

【０００７】即ち、処理すべき事象に対する入力パラメ
ータに対して遺伝的アルゴリズムのパラメータ及びオペ
レータの設定値を変えながら遺伝的アルゴリズムを自動
的に作成する作成手段と、前記作成手段で作成された遺
伝的アルゴリズムのパラメータやオペレータの各設定値
に対する評価を行なう評価手段と、前記評価手段の評価
よりあらかじめ定めた世代数の間で最も評価値の高い解
を最適経路とする最適解探索手段と、前記最適解探索手
段で求めた各世代ごとの最適経路の中で最も評価値の高
いものを最適解として出力する出力手段とを備えること
を特徴とする。

【０００８】そして例えば、前記作成手段の作成する遺
伝的アルゴリズムのパラメータやオペレータは、それぞ
れの遺伝子の染色体としてコード化することを特徴とす
る。又例えば、前記作成手段の作成する遺伝的アルゴリ
ズムのパラメータやオペレータは、選択法、交叉数、交
叉率、突然変異数、突然変異率であることを特徴とす
る。あるいは、前記コード化した遺伝子は、第１遺伝子
座に選択法を示す遺伝子を持ち、第２遺伝子座に交叉数
を示す遺伝子を持ち、第３遺伝子座に交叉率を示す遺伝
子を持ち、第４遺伝子座に突然変異数を示す遺伝子を持
ち、第５遣伝子座に突然変異率を示す遺伝子を持つ構造
とすることを特徴とする。

【０００９】更に例えば、前記作成手段に入力される処
理すべき事象に対する入力パラメータは、巡回セールス
マン問題における都市数と都市間距離であり、前記出力
手段で出力される最適解は都市間の最適経路であること
を特徴とする 。

【００１０】

【発明の実施の形態】以下に、本発明に係る一発明の実
施の形態例について添付図面を参照して詳細に説明す
る。以下に説明する本実施の形態例では、各種の事象に
対する最適な対処方法を決定する最適解探索法として遺
伝的アルゴリズム（ＧＡ）を採用し、ＧＡの作成におい
て、染色体、ＧＡパラメータ、オペレータ等の設定を、
ユーザが勘や経験に基づいて決めるのではなく、ユーザ
の要求に応じて本実施の形態例システム内部で自動的に
ＧＡを構築しながら、最適なＧＡを探索する。これによ
り、ＧＡに慣れた人以上の好結果を得ることを可能とす
る。

【００１１】即ち、ＧＡの作成における、染色体の生
成、ＧＡパラメータの設定、オペレータ等の設定は、従
来はＧＡ作成者の勘や経験をもとに決めていたが、これ
らＧＡパラメータ等の設定値についての根拠は不明瞭で
あり、必ずしも最適解を探索する上での最適な設定値で
あるとは言えない。

【００１２】したがって、最適解を探索するためには最
適なＧＡパラメータやオペレータの設定が必要となる。
しかし、これらのＧＡパラメータやオペレータの組み合
わせの数は莫大であり、十分な経験が無い場合には最適
な設定値を見つけるのは困難である。これに対して本実
施の形態例では、以下に説明する様に、ＧＡ作成者の要
求に応じて、ＧＡパラメータやオペレータの異なるＧＡ
を自動的に作成しながら、最適なＧＡパラメータやオペ
レータの組み合わせを探索し、信頼性の高い最適解の探
索を可能としている。

【００１３】［第１の発明の実施の形態例］以下の説明
は、遺伝的アルゴリズム（ＧＡ）を適用した情報処理装
置の例として、巡回セールスマン問題(Travelling Sale
sman Problem）（以下「ＴＳＰ」と略す)を扱う最適解
探索支援システムを例として行なう。しかし、本発明が
この例に限定されるものでないことは明らかであり、あ
らゆる事象に遺伝的アルゴリズム（ＧＡ）をそのまま適
用可能とすることにより、最適解を求めることができる
のは勿論である。

【００１４】例えば、ナップザック問題に適用すること
も可能であり、具体例でも商店の各商品ごとの売り上げ
予想と商店へ陳列するの商品の選別、陳列方法等に適用
でき、医療現場における疾患名と対処法や投与する薬の
種類とその効能等、あるいは歯科医療における治療過程
等、種々のものに適用できることは勿論である。

【００１５】本実施の形態例の最適解探索支援システム
は、図１に示すように、ＴＳＰを都市数と都市間の距離
に置き換えた形で入力されると最適経路を出力する様に
構成される。

【００１６】図１に示す最適解探索支援システム１００
では、処理すべき事象に対するパラメータである入力さ
れた都市数あるいは都市間の距離（入力パラメータ）に
対して、ＧＡパラメータやオペレータの設定値を変えな
がら自動的にＧＡを作成する。ここで、ＧＡパラメー
タ、オペレータとは、ＧＡに対応させた染色体集団に対
してＧＡ操作を行なう場合の、選択法、交叉数、交叉
率、突然変異数、突然変異率が該当する。

【００１７】そして、本実施の形態例では、ＧＡパラメ
ータやオペレータ(選択法、交叉数、交叉率、突然変異
数、突然変異率)の異なるＧＡごとに探索された解の中
で、定常状態になるまでに発見された最も評価値の高い
解を最適経路とする。更に、各ＧＡによる最適経路の中
で最も評価値の高いものを最適解とし、最適解を出力で
きるＧＡを最適なＧＡとする。また、定常状態とは、Ｇ
Ａにより探索される解があらかじめ定めた世代数の間、
同じになった状態を言う。

【００１８】ＧＡパラメータやオペレータの組み合わせ
をＧＡごとに探索する場合、ＧＡパラメータやオペレー
タである、選択法、交叉数、交叉率、突然変異数、突然
変異率を各々遺伝子としてコード化を行う。

【００１９】図２に本実施の形態例のＴＳＰの入力パラ
メータである都市数、都市間距離（コスト）を染色体に
置き換えて表現する場合のＧＡの例を示す。本実施の形
態例のＧＡは、図２の１に示す第１遺伝子座に選択法を
示す遺伝子を持ち、２に示す第２遺伝子座に交叉数を示
す遺伝子を持ち、３に示す第３遺伝子座に交叉率を示す
遺伝子を持ち、４に示す第４遺伝子座に突然変異数を示
す遺伝子を持ち、５に示す第５遣伝子座に突然変異率を
示す遺伝子を持つ構造とする。

【００２０】ここで、上記ＴＳＰを扱う最適解探索支援
システムを例としてあてはめると、指定された都市数が
染色体数に対応する。例えば都市数が後述する図５の
（ａ）に示すように「１０」である場合には各染色体の
数も「１０」となる。

【００２１】第１遺伝子座の選択法には、例えば「ルー
レット」方法で選択する、あるいは、「ランキング」方
法で選択するなど、実行可能なＧＡ選択方法を指定する
ことが該当する。

【００２２】また、第２遺伝子座の交叉数は、染色体の
遺伝子を交叉させる数（いくつの点で区切るか）を選択
する数であり、最大（都市数−１）であり、例えば図５
の（ａ）に示すように都市数「１０」である場合に図５
の例では１点より９点の内のいずれかの交叉数が選択さ
れる。

【００２３】第３遺伝子座の交叉率は、全ての染色体の
内のどの程度の割合の染色体に対して上記交叉数での交
叉を行なうかを選択するもので、例えば交叉率４０％で
あれば全体の４割の染色体に交叉数で指定された切り分
けを行なう。

【００２４】第４遺伝子座の突然変異数は、染色体の遺
伝子中の突然変異を起こさせる場所の数であり、染色体
中のいくつの点について突然変異を起こさせるか（いく
つの値を変更するか）を選択する数である。

【００２５】第５遣伝子座の突然変異率は、全ての染色
体の内のどの程度の割合の染色体に対して上記突然変異
を起こすかを選択するもので、例えば突然変異率４０％
であれば全体の４割の染色体に突然変異数で指定された
突然変異を行なう。

【００２６】そして、以上の各交叉や突然変異を何も行
なっていない最初の染色体群が後述する図３に示す染色
体初期集団生成部１１０で生成される染色体初期集団
（第１世代の染色体群）である。そして、この染色体初
期集団に対して、最初に図２に示す各パラメータなどで
指定されたＧＡ操作を行なったものが第２世代の染色体
群となる。そして、この第２世代の染色体群に更に同様
のＧＡ操作をおこなったものが第３世代の染色体群とな
る。以下、同様に所定の世代数分の染色体群について以
下に示す各処理を行なう。

【００２７】次に以上の染色体表現されたＧＡを作成し
て最適解を求める本実施の形態例のＧＡを適用した情報
処理装置である最適解探索支援システムの詳細構成を図
３に示す。図３に示す最適解探索支援システムは、例え
ばＣＰＵと、ＣＰＵの制御手順を記憶するＲＯＭと、処
置経過などを一時記憶するＲＡＭと、操作経過や探索結
果等を表示する表示部等で構成され、図３に示す各機能
を実現している。

【００２８】図３において、１１０はＧＡ操作部１５０
から渡された染色体に従い、入力されるＴＳＰの経路に
対応させた最初の染色体初期集団を作成する染色体初期
集団生成部である。

【００２９】１２０はＧＡ操作部１５０で探索した解の
評価値を受け取り、最適解か否かを判定し、最適解であ
れば以降のＧＡ操作を停止し、そうでなければ次世代の
染色体集団の生成とＧＡ操作をＧＡ操作部１５０に要求
する最適解判定部である。

【００３０】１３０はＧＡ操作部１５０からの染色体を
受け取って評価し、操作中の世代ごとに得られた最適経
路の評価値を定常状態判定部１４０に出力すると共に、
定常状態判定部１４０よりの定常状態判定結果を受け取
り、最適経路をＧＡ操作部１５０に返す評価関数であ
る。

【００３１】１４０は評価関数よりの評価値を受け取
り、定常状態か否かを判定する定常状態判定部であり、
ＧＡ操作部１５０により探索される染色体の評価値（Ｇ
Ａ操作部１５０により探索される解）があらかじめ定め
た世代数の間同じになった状態の場合には定常状態であ
ると判定してＧＡ操作の停止を指示する。定常状態判定
部１４０はまた、定常状態でないと判定した場合には次
世代に対するＧＡ操作を要求する旨を評価関数１３０に
出力する。評価関数１３０はこれら定常状態判定部１４
０よりの判定結果をＧＡ操作部１５０に中継する。

【００３２】また、１５０はＧＡ操作部であり、最初は
染色体初期集団生成部１１０よりの染色体の図２に示す
各遺伝子座について、それ以降は夫々の世代の染色体群
を生成して生成した世代の染色体群に対する図２に示す
各遺伝子座について、それぞれの処理点を順次変えてい
って、変えた場合の各染色体を評価関数１３０に出力し
て評価値を受け取ると共に、定常状態判定部１４０によ
り当該遺伝子座についての最適経路か否かを判定させ、
最適経路でない場合には次の処理点について処理した染
色体を生成して評価関数１３０に出力して上記制御を繰
り返し、当該遺伝子座についての最適経路を求める。

【００３３】ＧＡ操作部１５０は現世代までに求めた最
適経路をその評価値と共に最適解判定部１２０に出力し
て最適解かを判定させる。最適解でなければ次の世代に
ついて上記処理を行なわせる。そして順次染色体の図２
に示す各遺伝子座についての最適経路を求め、最適解判
定部１２０でこれら最適経路中の最適解を判定させ、最
終的な最適解を求めて出力する。

【００３４】以上の制御を図４のフローチャートを参照
して具体的なＴＳＰの例に従って説明する。本実施の形
態例においては、情報処理装置のＣＰＵ及び制御手順を
記憶するＲＯＭ、処理経過などを記憶するＲＡＭ、及び
入出力Ｉ／Ｆにより上記機能及び以下に示す制御を実現
することができる。この場合には、例えば、本実施の形
態例の最適解探索支援システムをＣ++言語で実装するこ
とができる。以下詳細に説明する。

【００３５】まずステップＳ１において、最適解を求め
る対象を入力する。この対象としては、都市数及び都市
間の距離である。図５に本実施の形態例における最適解
探索制御過程の表示例を示す。図５の(ａ)が都市数入力
ウインドウ、図５の(ｂ)がコスト入力ウインドウ、図５
の(ｃ)がＧＡ操作結果ウインドウである。

【００３６】都市数の入力は、図５に（ａ）で示すの右
上の都市数入力ウインドウ画面で単に都市の数を入力す
るのみでよい。また、図５の（ｂ）に示すコスト入力ウ
インドウは、ＴＳＰのコスト（距離）を入力する際に用
いるウインドウであり、(ａ)に示す都市数入力画面で指
定した都市数に基づき、必要な数だけコスト（即ち、都
市間距離）を入力する箇所を表示し、ここにコストを入
力すればよい。

【００３７】なお、図５の（ｃ）に示すＧＡ操作結果ウ
インドウは、以下に示す制御で探索した最適なＧＡに従
い、ＧＡ操作を行った結果を表示するウインドウであ
る。（ｃ）に示すように、最適経路、コストの総和、評
価値等を表示する。

【００３８】ステップＳ１で入力された最適解を求める
対象は染色体初期集団生成部１１０に送られ、入力され
た都市数・都市間の距離からＧＡ操作を行なう最初の世
代の染色体群を自動的に作成し、染色体初期集団として
ＧＡ操作部１５０に出力する。

【００３９】これを受取ったＧＡ操作部１５０では、ス
テップＳ３において生成された染色体初期集団（第１世
代の個体群）をＧＡ操作対象とし、ＧＡ操作を開始す
る。続いてステップＳ４において、所定の世代数にわた
る全ての個体についての評価が終了したか（未評価の個
体が有るか否か）を調べる。全ての評価が終了している
場合にはステップＳ１５に進む。

【００４０】一方、ステップＳ４で全ての評価が終了し
ていない場合にはステップＳ５に進み、各個体であるＧ
Ａの評価として、同世代の未評価の個体の染色体を１つ
選択して評価関数１３０に出力する。評価関数１３０で
は、ＧＡ操作部１５０から出力された個体であるＧＡに
対して、実際にそのＧＡパラメータやオペレータに従い
ＧＡ操作を行い、評価値を算出して算出した評価値を定
常状態判定部１４０に出力する。

【００４１】評価値を受取った定常状態判定部１４０で
は、ステップＳ６に示す最適経路探索処理を実行する。
そしてステップＳ１０に進み、最適経路を探索したか否
かを判定する。例えば、染色体の評価値が同世代の間で
同じになった状態か否かを判定する。

【００４２】染色体の評価値が世代数の間で同じでない
場合には最適経路の探索は終了していないとして評価関
数１３０に停止指示は出さず評価値をＧＡ操作部１５０
に出力する様に指示する。これを受けたＧＡ操作部１５
０は、この評価関数１３０から出力された評価値をＧＡ
操作部１５０内の仮の個体の評価値として適用する。そ
してステップＳ１０よりステップＳ４の処理に移行し、
未評価の個体の有無を判定し、未評価の個体が有ればス
テップＳ５において同世代の次の未評価の染色体を１つ
選択して評価関数１３０に出力する。

【００４３】一方、ステップＳ１０で定常状態判定部１
４０が染色体の評価値が世代数の間で同じになった状態
であると判定するとステップＳ１１に進み、最適経路の
探索は終了したと判断して同世代のＧＡ操作を停止する
ように指示すると共に、次世代のＧＡ操作を要求する旨
を評価関数１３０に出力する。評価関数１３０はこれら
定常状態判定部１４０よりの判定結果をＧＡ操作部１５
０に中継する。ＧＡ操作部１５０では、最適経路の評価
値を最適解判定部１２０に出力してこの最適経路が最適
解か否かを判定させる。

【００４４】最適解判定部１２０ではステップＳ１２に
おいて、送られてくる各世代ごとの最適経路の評価値を
調べ、ＧＡ操作を停止するかの判断をする。具体的に
は、例えば各世代の最適経路が求められていればその内
の最も評価値の高い経路を最適解と判定することにな
る。ステップＳ１２で最適解判定部１２０が最適解であ
ると判定した場合にはステップＳ１５に進む。

【００４５】一方、ステップＳ１２でまだ最適解でない
と判断した場合にはステップＳ１３に進み、ＧＡを停止
させずに次世代のＧＡ操作要求を出力する。ＧＡ操作部
１５０では、この最適解判定部１２０及び定常状態判定
部１４０の次世代のＧＡ操作要求に従って、次の世代に
ついてＧＡ操作を開始させてステップＳ４に進む。

【００４６】ステップＳ１２で最適解判定部１２０が最
適解であると判定した場合、あるいはステップＳ４で全
ての個体についての評価が終了している場合にはステッ
プＳ１５以下の処理を実行し、ＧＡ処理を停止する。そ
してステップＳ１６でその時の最適解である最適経路を
最適解探索支援システムの外部に出力する（ステップＳ
４で未評価の個体がなくなったときには、ＧＡ操作部１
５０からの現世代までに求めた最適経路のうちの最も評
価値の高い最適経路を最適解として出力する。）。

【００４７】以上に説明したように本実施の形態例によ
れば、単に都市数と都市間距離を指示入力するのみで、
最適解を、あるいは最適解に限りなく近い解を得ること
ができる。

【００４８】ＧＡを作成したことのある者に実際にＧＡ
パラメータを設定してもらい、人間の経験に基づく最適
解探索結果と、本実施の形態例の最適解探索支援システ
ムによる最適解探索結果の比較結果を図６に示す。図６
は本実施の形態例における最適解探索制御の検証結果の
例を示す図である。

【００４９】図６の例は、実際に１０名の人間の中で最
も良い評価値を得た解と、本実施の形態例の最適解探索
支援システムとで求めた解とを比較した表の例を示して
いる。図６の横軸に指定入力する都市数の数を、縦軸に
本実施の形態例の最適解探索支援システムによる最適解
探索結果を「０」とした場合の、経験者によるＧＡパラ
メータを指示入力した場合の最適解探索結果の差分を示
している。

【００５０】図６に示されたように、都市数が増えるほ
ど、本実施の形態例の最適解探索支援システムの方が良
い値を出力するのは、都市数が増加するほど組み合わせ
爆発の程度が大きくなるためと思われる。

【００５１】以上説明したように本実施の形態例によれ
ば、特別の熟練の必要なく、誰でも簡単な指示入力のみ
で最適解を求めることができ、種々の事象に適用するこ
とにより、優れた効果を得ることができる。

【００５２】

【発明の効果】以上説明したように、本発明によれば、
特別の熟練の必要なく、誰でも簡単なパラメータの指示
入力のみで最適解を求めることができ、本発明の処理を
種々の事象に適用することにより、優れた最適解を得る
ことができる。

【図面の簡単な説明】

【図１】本発明に係る一発明の実施の形態例の最適解探
索支援システムの概略を示す図である。

【図２】本実施の形態例の染色体で表現されたＧＡの例
を示す図である。

【図３】本実施の形態例におけるＧＡを適用した最適解
探索支援システムの詳細構成の例を示す図である。

【図４】本実施の形態例における最適解探索制御を説明
するためのフローチャートである。

【図５】本実施の形態例における最適解探索制御過程の
表示例を示す図である。

【図６】本実施の形態例における最適解探索制御の検証
結果の例を示す図である。

Claims (9)

【特許請求の範囲】
1. 【請求項１】 処理すべき事象に対する入力パラメータ
   に対して遺伝的アルゴリズムのパラメータ及びオペレー
   タの設定値を変えながら遺伝的アルゴリズムを自動的に
   作成する作成手段と、 前記作成手段で作成された遺伝的アルゴリズムのパラメ
   ータやオペレータの各設定値に対する評価を行なう評価
   手段と、 前記評価手段の評価よりあらかじめ定めた世代数の間で
   最も評価値の高い解を最適経路とする最適解探索手段
   と、 前記最適解探索手段で求めた各世代ごとの最適経路の中
   で最も評価値の高いものを最適解として出力する出力手
   段とを備えることを特徴とする遺伝的アルゴリズムを適
   用した情報処理装置。
2. 【請求項２】 前記作成手段の作成する遺伝的アルゴリ
   ズムのパラメータやオペレータは、それぞれの遺伝子の
   染色体としてコード化することを特徴とする請求項１記
   載の遺伝的アルゴリズムを適用した情報処理装置。
3. 【請求項３】 前記作成手段の作成する遺伝的アルゴリ
   ズムのパラメータやオペレータは、選択法、交叉数、交
   叉率、突然変異数、突然変異率であることを特徴とする
   請求項１又は請求項２記載の遺伝的アルゴリズムを適用
   した情報処理装置。
4. 【請求項４】 前記コード化した遺伝子は、第１遺伝子
   座に選択法を示す遺伝子を持ち、第２遺伝子座に交叉数
   を示す遺伝子を持ち、第３遺伝子座に交叉率を示す遺伝
   子を持ち、第４遺伝子座に突然変異数を示す遺伝子を持
   ち、第５遣伝子座に突然変異率を示す遺伝子を持つ構造
   とすることを特徴とする請求項３記載の遺伝的アルゴリ
   ズムを適用した情報処理装置。
5. 【請求項５】 前記作成手段に入力される処理すべき事
   象に対する入力パラメータは、巡回セールスマン問題に
   おける都市数と都市間距離であり、前記出力手段で出力
   される最適解は都市間の最適経路であることを特徴とす
   る請求項１乃至請求項４のいずれかに記載の遺伝的アル
   ゴリズムを適用した情報処理装置。
6. 【請求項６】 処理すべき事象に対する入力パラメータ
   に対して遺伝的アルゴリズムのパラメータ及びオペレー
   タの設定値を変えながら遺伝的アルゴリズムを自動的に
   作成し、作成された遺伝的アルゴリズムのパラメータや
   オペレータの各設定値に対する評価をそれぞれの設定値
   毎に行ない、各設定値毎の評価のうちのあらかじめ定め
   た世代数の間で最も評価値の高い解を最適経路とし、各
   世代ごとの最適経路の中で最も評価値の高いものを最適
   解として出力することを特徴とする遺伝的アルゴリズム
   を適用した情報処理方法。
7. 【請求項７】 前記作成される遺伝的アルゴリズムのパ
   ラメータやオペレータは、それぞれの遺伝子の染色体と
   してコード化された選択法、交叉数、交叉率、突然変異
   数、突然変異率であることを特徴とする請求項６記載の
   遺伝的アルゴリズムを適用した情報処理方法。
8. 【請求項８】 前記コード化した遺伝子は、第１遺伝子
   座に選択法を示す遺伝子を持ち、第２遺伝子座に交叉数
   を示す遺伝子を持ち、第３遺伝子座に交叉率を示す遺伝
   子を持ち、第４遺伝子座に突然変異数を示す遺伝子を持
   ち、第５遣伝子座に突然変異率を示す遺伝子を持つ構造
   とすることを特徴とする請求項７記載の遺伝的アルゴリ
   ズムを適用した情報処理方法。
9. 【請求項９】 前記入力される処理すべき事象に対する
   入力パラメータは、巡回セールスマン問題における都市
   数と都市間距離であり、前記出力される最適解は都市間
   の最適経路であることを特徴とする請求項６乃至請求項
   ８のいずれかに記載の遺伝的アルゴリズムを適用した情
   報処理方法。