JP2001525954A

JP2001525954A - 人工知能を用いた学習、分類、および最適化のための汎用システム

Info

Publication number: JP2001525954A
Application number: JP50801298A
Authority: JP
Inventors: ヨーハンパオ; プイチウイップ
Original assignee: エイアイウェアーインコーポレイテッド
Priority date: 1996-08-06
Filing date: 1997-07-29
Publication date: 2001-12-11
Also published as: EP0978050A1; DE978050T1; US5848402A; CA2262957A1; AU3817097A; WO1998006044A1

Abstract

(57)【要約】ＮＰ−ハード問題等を効率よく、迅速かつ正確に解くための並列的、分散形処理システムが提供される。このシステムは、選択された先行世代、すなわち親解答から一連の子解答を作成するために反復的、かつ知的に割当てられる並列プロセッサを使用している。このシステムは可能性がある次世代の解答を作成し、かつタスクへの最良の解答を見いだすためにプロセッサ資源を最も可能性がある領域に再割当てするために複数レベルの競争を採用している。それには家族間競争、および家族内部の競争が含まれる。システムの温度データが設定され、それぞれの後続の世代とともに次第に低減される。解答の作成にはある程度の無作為性が入れられる。無作為性と低下する温度を組入れた階層的、反復的な処理プロセスによって誘導進化をシミュレートしたアニーリング解答が作成される。サシステム。

Description

【発明の詳細な説明】人工知能を用いた学習、分類、および最適化のための汎用システム関連出願本出願は１９９４年７月７日に出願された係属出願シリアルナンバー０８／２７１，４８４号の部分継続出願である。技術分野本出願は多重プロセッサ・コンピュータ・システムに関し、特に極めて複雑な課題を効率的に解決するようにされた多重プロセッサ・コンピュータ・システムに関する。このシステムには、例えばプロセッサ処理時間を極端に割当てない限り、従来のコンピュータ技術では解決できない課題を迅速かつリアルタイムで解決するようなより広範な用途があることが理解されよう。発明の背景容易に認識できる解答が得られない課題が多数存在している。しかし、これらの課題には実際には解答があることは周知とされている。このような最適化の問題には２つの種類があり、それは順列（組合せ）的な最適化の問題と、連続的、もしくは関数的な最適化の問題である。（以下では“ＮＰ−ハード”または“ＮＰ−コンプリート”とも呼ばれる）順列的最適化の問題の一般的な例には、“移動するセールスマンの問題”、“４色マップの問題”等が含まれる。移動するセールスマンの問題では、セールスマンは多くの都市を訪問しなければならない。全ての都市に到着するために移動しなければならない総マイル数が最小限になる旅行をスケジュール化することが望ましい。勿論、このような解答は存在する。しかし、従来の演算では解答は畜力計算で見いだすしかなかった。４色マップの問題では、政治的区分の二次元マップが提供される。そのような区分ごとに異なる色が割当てられるようにし、しかも隣接する２つの区分に同色が与えられないようにするため、カラー計画を添付することが望ましい。そのような解答があることは既に実証済みである。この場合も、選択は明確ではなく、解答を得るには莫大な演算が必要である。このようなＮＰ−ハード問題にはその他に施設の配置計画問題がある。施設の配置計画問題のタスクはｎの立地にｎの施設を割当てることである。各々一対の施設の相互間の活動には負ではないウェートが関係している。各々の施設をウェートの合計と一対の施設間の距離との積が最小限になる立地に配置することが望ましい。従来の探索技術で解答を得るのに充分な能力を従来のコンピュータで発揮するのは困難であるか、実際的ではない。関数的最適化の問題の場合、タスクは多次元空間で定義された連続関数のために大域的最小値、または最大値（グローバル・ミニマムまたはマキシム）の位置と数値を見いだすことである。例えば、品目のコストは品目のサイズと品目の重量の双方の非一次関数であろう。定義された関数は複数の局域的最大値および最小値（ローカル・マキシムおよびミニマム）を有する三次元プロットとして表すことができよう。局域的最大値および最小値の周囲の“山”と“谷”の傾斜は極めて著しいことがあるので、複雑な三次元景観が生ずる。一般的には、このような関数的最適化の問題の解答を見いだすために勾配探索（グラジェント・サーチ）技術が採用される。このような問題の解答をリアルタイムで得ることが望ましい場合も多い。従来のコンピュータ技術を利用せずにこのような問題を解決する初期の方法では、人工知能を用いたシステムを採用してきた。従来の人工知能方式でも再び生ずる問題点は“局域的最小値（ローカル・ミニマム）”の問題である。多くの解答の曲線は第１の導関数がゼロであり、第２の導関数が負数である。これは一瞥しただけで、全体的なシステム・ミニマム、および望ましい解答であるように見えよう。更に探索すると、関数は実際には局域的最小値にて得られたことが明らかになる場合が多い。このように、より好ましい広域的解答が得られるが、容易に認識することができない。人工知能を用いた別のシステムには、上記の２種類の最適化の問題の一方または他方の解答をより見いだし易いものがあるかも知れない。双方の種類の最適化の問題を解決するためにプロセッサ資源を有効に活用するシステムを提供することが望ましい。発明の大要本発明は上記の、およびその他の問題点を克服するための新規、かつ改良型の演算システムに関するものであり、順列的最適化の問題と関数的最適化の問題を迅速かつ正確に最良に解決するために、プロセッサ資源を有効に活用するための人工知能を用いたシステムを提供するものである。本発明に従って、誘導進化をシミュレートしたアニーリング（“ＧＥＳＡ”）（guided evolutionary simulated annealing）と呼ばれる方式を利用した問題解決のための並列的、分散形処理システムが提供される。このシステムはそれぞれが独自の局部メモリを含む複数個のプロセッサ・ユニットを含んでいる。複数のＮのプロセッサの各々に“親”すなわち初期世代の解答が得られる。各プロセッサには初期の“温度”データが送られる。個々のプロセッサは割当てられた親解答から“子”すなわち後期世代の解答を作成する。最良の子を判定するために子どうしで競争が行われる。最良の子はその家族の親と競争して、次の世代の親を決定する。この競争のベクトルが次の反復処理の際の親を形成する。最良の子が親よりも優れていなくても、最良の子が次世代の親になることが可能である。家族間で競争が行われ、次の反復処理の際に各家族に割当てられる子の数が決定される。ある家族の全ての子が現在最良の大域的解答に関して評価され、家族の適性が判定される。次の反復処理で各家族に割当てられる子の数はその家族の適性によって定まる。次世代の親を作成する反復処理がそれぞれ行われた後、温度係数が低減される。更に、この時点で予め選択された受入れ基準に対する、可能性がある解答のテストが行われる。更に、予め設定された数の最大限の反復処理が行われる。これらの２つのテストの結果によっては、選択的に問題を終了することができる。本発明の更に別の側面に従って、前述の誘導進化をシミュレートしたアニーリングを実行する方法が提案される。本発明の更に別の側面に従って、前述の誘導進化をシミュレートしたアニーリングを迅速かつリアルタイムで達成するようにされた特定のハードウェア・プラットフォームが提供される。本発明の利点は、ＮＰ−ハード問題の最良の解答を迅速かつ正確に見いだすためにプロセッサ資源の効率よい活用を促進するためのシステムを提供することにある。本発明の更に別の利点は、比較的安価なハードウェアを利用してＮＰ−ハード問題の解答を得ることにある。本発明の更に別の解決方法は、多様な上記のような問題に容易かつ簡単に適応できるＮＰ−ハード問題の解答を得ることにある。その他の利点は本明細書を読み、理解することによって当業者には明らかになろう。図面の簡単な説明本発明はある部分、および部分の構成で物理的な形態をとることがあり、その好適な実施例は本明細書に詳細に説明されており、本明細書の一部をなす添付図面に記載されている。図１は誘導進化をシミュレートしたアニーリングを実現するためのハードウェア、多重プロセッサ・プラットフォームの構成図である。図２は本発明に関連した図１のハードウェア構成の状態図である。図３は誘導進化をシミュレートしたアニーリングの解法に関連したシステム全体の機能の流れ図である。図４は家族内部の解答競争の機能の流れ図である。図５は家族相互間の解答競争の機能の流れ図である。好適な実施例の詳細な説明ここで図面を参照するが、図面は本発明の好適な実施例を説明する目的だけのためであり、本発明を限定するものではない。図１は誘導進化をシミュレートしたアニーリングを利用して問題を解決するための並列、分散形処理を行うのに適した多重プロセッサ・プラットフォームを示している。多重プロセッサＡは複数個の評価プロセッサ１０ｉ、１０ｉｉ、．．．１０ｎを含んでいる。各々の評価プロセッサには独自の局部メモリ、すなわちＲＡＭ１２ｉ、１２ｉｉ、．．．１２ｎがそれぞれ備えられている。各々の一対の評価プロセッサ／局部ＲＡＭ１０、１２はプロセッサが局部プログラムで、局部データを用いてランできる機構を備えている。各々の評価プロセッサは更に制御プロセッコサとのデータ伝送のためのデュアルポート・メモリ１４と接続している。ＲＡＭ／評価プロセッサの複合体はトリステート・バッファ１４ａおよび１４ｂによって関連するアドレス・バスおよびデータ・バスから選択的に絶縁される。デュアルポート・メモリ１４のデュアル・データ・ポートの一方は母線割当て制御回路によって使用可能にされ、他方のポート１３は使用不能にされる。母線割当て制御回路２０はデュアルポート・メモリの制御を規定するシステムの状態を記憶する。制御プロセッサ２８はデュアルポート・メモリ１４に供給される命令とデータで適宜にランすることができる。あるいは、制御プロセッサ２８には各々の評価プロセッサ１０と連結された局部ＲＡＭ１２のような独自の局部ＲＡＭを備えてもよい。図１の構成によって、本明細書に記載している本発明の誘導進化をシミュレートしたアニーリングと関連した家族内部の解答の可能性並びに家族間の解答の可能性を極めて効率よく、同時に処理することができる。それによって受入れ可能な解答を効率よく迅速に決定でき、これはリアルタイムでも達成できる。図１の多重プロセッサ・プラットフォームに関連して実行される特定のプロセスについては後述する。図１の構成では、制御プロセッサ２８並びに評価プロセッサ１０の双方ともデュアルポート・メモリ１４を制御することができる。制御プロセッサ２８がメモリおよびデータ・バスを制御している場合は、評価プロセッサは制御が解除されるまではメモリにアクセスすることはできない。同様に、評価制御プロセッサ１２がデュアルポート・メモリ１４を制御している場合は、制御プロセッサは解除されるまではメモリにアクセスできない。メモリの制御状態は、後述するようにシステムの現行の状態によって定まる。母線割当て制御回路２０はシステムの現在の状態を記憶する役割を果たす。好適な実施例では、母線割当て制御回路２０内に配置されたレジスタ（図示せず）がシステムの現在状態を記憶する。評価プロセッサ１０または制御プロセッサ２８が現在のタスクの完了を信号で伝えると、制御プロセッサ２８はシステムの状態を更新する。制御プロセッサ２８と評価プロセッサ１０の双方とも母線割当て制御回路２０内のレジスタにアクセスして、現在の機械の状態を更新することができる。このように、後述する一連のタスクのうちの次のタスクに進むことができる場合には、全てのプロセッサにその旨が伝えられる。前述したように、好適な実施例では各評価プロセッサ１０には対応する局部ＲＡＭ１２が備えられている。各々の評価プロセッサの局部メモリは他の評価プロセッサとは共用されない。しかし、局部メモリは制御プロセッサ２８によってアクセスできるので、何らかのパラメタ、データ、または関数等をロードすることができる。基本的に、各評価プロセッサ１０はそれぞれの局部メモリ内の機能に特有のタスクを実行する。制御プロセッサ２８は対応する局部ＲＡＭ１２を介して、各評価プロセッサ１０にサブタスクを割当て、分配する機能を果たす。制御プロセッサ２８はデュアルポート・メモリ１４を介して各評価プロセッサに適宜にパラメタを送ってもよい。あるいは、個々の評価プロセッサの局部メモリに直接情報を送ってもよい。以下に詳述するようにＧＥＳＡシステムの実行中、制御プロセッサ２８はタスクの表明を受け、親解答を判定し、反復処理ごとに各々の評価プロセッサ１０ごとに親解答を割当て、現在の反復処理までに得られた最良の結果を判定し、新たな反復処理が必要であるか否かを判定し、かつ各反復処理で各家族に割当てられるべき子の数を判定する。評価プロセッサ１０は各々、割当てられた親解答の目的値を判定し、親解答から子解答を作成し、子の目的値を判定し、子解答が受け入れられたか否かを判定し、表示された各家族の受入れ数を判定する。デュアルポート・メモリ１４は制御プロセッサ２８および評価プロセッサ１０のための通信インターフェースとしての役割を果たす。制御プロセッサ２８と評価プロセッサ１０の双方ともデュアルポート・メモリ１４にアクセスできる。しかし、制御は前述したようにシステムの現在の状態によって決まる。本発明のハードウェア・プラットフォームの動作は、異なる５通りの動作状態に関連して考察することが適切である。多重プロセッサ・プラットフォームＡ内の各モジュールの動作はシステムの現在の状態によって決定される。以下の状態の説明は図２に示されている。状態１状態１はＧＥＳＡアルゴリズムの入口点である。ＧＥＳＡアルゴリズムが完全なプログラムの別の部分から呼び出されると、システムはこの状態に入る。ゴール関数が制御プロセッサに送られ、その時点でシステムは状態２に入る。状態２状態２に入ると、制御プロセッサ２８はデュールポート・メモリ１４を完全に制御した状態になる。これは評価関数、パラメタおよびデータをメモリにロードするので、評価プロセッサ１０はこれらを後の状態で用いることができる。加えて、制御プロセッサ２８は無作為にＭの解候補を作成する。これらの解候補は親解答、または親と呼ばれる。制御プロセッサ２８は各親ごとにＭのコピーを複製し、評価プロセッサごとに局部メモリ１２にコピーを記憶する。状態２にある時、評価プロセッサ１０は後述するように状態３に進むまでは、母線割当て制御回路２０に供給されたシステムの状態の読取りを継続する。制御プロセッサ２８は母線割当て制御回路２０に信号を送って母線を解放する。この時点で、システムの状態は１だけ増分する、すなわち状態３に入る。状態３状態３にある間、制御プロセッサ２８はシステムが状態４に進捗するまではシステムの状態の読取りを継続する。各々の評価プロセッサは親を受け、突然変異をもたらしてそこから子解答、すなわち子を作成する。評価プロセッサは前記の子の目的値と受入れ状態を評価し、戻す。各々の評価プロセッサは評価を終了すると、母線割当て制御回路２０にその旨の信号を送る。そこで、母線割当て制御回路２０は、全ての評価プロセッサ１０がそれぞれの評価の完了を示す信号を送った後で、システムの状態を１だけ増分する。それによって状態４に進む。状態４状態４にある間、制御プロセッサ２８は各家族からの次の世代の解の親と、受入れ数とを判定する。次に、制御プロセッサは各々の親ごとに後続世代で作成されるべき子のプロセス数、すなわち子を計算する。その数に基づいて親の複製が作成され、各々の評価プロセッサごとにそれぞれの局部メモリに記憶される。制御プロセッサ２８は更に最小の目的値を判定する。制御プロセッサは各々の評価プロセッサ１０に関連する局部メモリ１２に前記最小の目的値を記憶する。このように、各評価プロセッサは独自の受入れを決定することができる。この評価は状態５に進むまでシステムの状態を読み取ることによって継続される。制御プロセッサ２８は現在の状態に関するタスクを終了した後で、母線割当て制御回路にその旨の信号を送る。この時点で、状態は１だけ増分し、状態５に入る。状態５状態５にある間、制御プロセッサ２８は終了基準をチェックする。このチェックで正の判定がなされると、最小の目的値を有する解がユーザー・プログラムに戻される。そうではない場合は、制御プロセッサはシステムを状態３に戻し、そこから再度進捗する。誘導進化をシミュレートしたアニーリングの実行ここで図３−５を参照すると、本発明の制御プロセスをより理解できる。ＧＥＳＡ探索技術は可能性があるＮの解候補を推測することから始まる。好適な実施例では、これらの候補は解答探索スペースから無作為に選択される。これらの候補は親解答すなわち親である。最初に、各々の親は例えばＭ₁₁である同数の子を作成する。前述したように、ＧＥＳＡシステムは２つのレベルの競争をもたらす。局域的競争では、家族内の子（すなわち同じ親から作成された子）は互いに競争し、最小の目的値を有する子だけが残存する。次にこの最良の子がそれ自体の親と競争して、どちらが残存して次の反復処理の親になるかが判定される。最良の子がその親よりも優れている場合は、それが次の世代の親として受入れられる。最良の子が親よりも優れていない場合は、子が受入れられる確率はボルツマンの確率である。好適な実施例では、最良の子は下記の場合に後続世代の親として受け入れられる。すなわち、ｙ_c＜ｙ_P または、但し、Ｙ_c＝最良の子解答の目的値Ｙ_p＝最良の子解答に関連する親解答の目的値ｐ＝０と１の間で無作為に分散する乱数ｔ₁＝温度係数これは次世代の親を作成するための局域的競争を形成する。第２のレベルの競争は家族間の競争である。次世代の各家族ごとに作成さられるべき子の数は前記の第２のレベルの競争によって定まる。各家族ごとに適性の尺度が計算され、第２レベルの競争で用いられる。一般的な尺度は単一のポイントでの目的値に対する尺度でもよいであろう。しかし、このような尺度は変倚することがある。本発明ではその代わりにこのような尺度に関して全ての子が用いられる。各々の子は進化プロセス全体の全ての解の候補についてそれまでに見いだされた最小の目的値と比較された目的値を有している。すなわち、子の目的値は先行の世代までに母集団全体で見いだされた最小の目的値と比較される。子が最小の目的値よりも優れている場合は、それが受け入れられ、家族のカウントが増分される。家族のカウントとは、他の家族と比較された家族の適性の尺度である家族受入れ数のことでもある。子の目的値が最小の目的値よりも劣っている場合は、子が受け入れられるる確率はボルツマンの確率となり、家族のカウントは増分される。好適な実施例では、下記の場合に子は受入れられ、家族のカウントは増分される。すなわち、ｙ_c＜ｙ_GL または、但し、Ｙ_c＝最良の子解答の目的値Ｙ_GL＝先行世代までの母集団全体で見いだされた解答の最小の目的値ｐ＝０と１の間で無作為に分散する乱数ｔ₂＝温度係数各世代で作成された子の総数Ｔはハードウェアの考慮を固定したことに拠るものである。集中的に並列の機械では、処理素子の数は固定している。図１の評価プロセッサ１０の場合のように母集団のそれぞれの個々が処理素子によって処理される限り、母集団のサイズは固定的であるべきであろう。各家族ごとの次世代からの子の数は、下記の通り家族の受入れ数に比例するように選択される。すなわち、但し、Ｍ’＝その家族について作成される子の数Ｔ＝全ての家族ごとに利用できる子の総数、例えばＭ×Ｎの子Ａ＝その家族の受入れ数Ｓ＝全ての家族の受入れ総数、すなわち家族のカウントこのように、家族受入れ数で示される家族の適性に従って、家族間の再割当てされるべき一定の子の総数Ｔが残される。上記の手順は、予め選択された反復処理数に達するまで、または受入れられる解が見いだされる時間まで継続される。第２のレベルノ競争は地域情報の尺度を与える効果を有している。受入れ数によってその地域の良好さの度合いに関する情報が得られる。ある領域が（受入れ数が多いことによって判定された結果）最適な解を得る可能性が高いものとの確信が得られれば、探索はその地域により意図的に焦点を当てる。好適な実施例では、（ｉ）局部的競争、（ｉｉ）大域的競争、および（ｉｉｉ）子世代の関数の各々が温度値を有している。システムはそれぞれについて初期の温度値が高いほうから開始される。これらの温度値は、温度の低下を停止する“凍結温度”に到達するまで各世代の後に低下する。各々の温度値を変更する好適な方法は下記の数式で表される。すなわち、但しＣは１未満の定数である。上記のシステムは競争による並列的にシミュレートされたアニーリングであると見なすこともできる。各家族とは子が並列的にトライアルに貢献する、多重トライアルで並列にシミュレートされたアニーリング機械であると考えてもよい。ＧＥＳＡの実施例では、Ｎ個の並列的にシミュレートされたアニーリング機械がある。より良好な解はより多くのトライアルを行い、より最も劣った解のトライアルは少ない。トライアルの数は温度レベルの低下とともに増大するものとする。家族間の競争（第２レベル、すなわち大域的競争）によってこのような機構が得られる。最良の並列的にシミュレートされたアニーリング機械のトライアル数（すなわち最良の家族から作成された子の数）は温度の低下、または反復処理回数の増大とともに増加する。特に図３を参照すると、本発明の汎用の制御プロセスをより明解に理解できよう。この流れ図はＧＥＳＡプロセス全体を詳細に示している。このシステムはブロック１００で開始される。ブロック１０２で、制御プロセッサ２８は（ｉ）タスクの表明、（ｉｉ）変数の名前、（ｉｉｉ）変数の範囲、（ｉｖ）目的関数を受け、かつ探索パラメタの値、例えば初期温度値が３つの温度値ｔ₁、ｔ₂およびｔ₃の全てについて設定される。家族の数Ｎ並びに子の総数Ｔ＝Ｍ×Ｎが特定され、但しＭは最初の反復処理で各家族Ｎに割当てられる子の数である。次にシステムはブロック１０４に進む。ブロック１０４では、Ｎ個の初期の親解答が制御プロセッサによって無作為に選択される。制御プロセッサは各々の親の記述を記入して、初期のＮ個の親をＮ個の評価プロセッサに割当てる。次に制御プロセッサは最初にＭ個の子をＮ個のそれぞれの親に割当てることによって、家族を形成する。子には親または家族の親族関係を示すためのＩＤが与えられる。特定の子は新たな家族の割当てに関わりなく、後続の反復処理全体を通して同じプロセッサに留まる。更に、あるプロセッサを子の処理だけのために確保しておいてもよく、それによってプロセッサの総数がＮ以上になることがある。上記のようにプロセッサに子を割当てることによって、家族の適性に応じて子を再割当てすることにより特定の家族のサイズが増大するにも係わらず、プロセッサ資源を効率よく活用できる。ブロック１０４では更に、評価プロセッサが評価プロセッサに割当てられた各親ごとに目的関数を評価する。各々の親解答の目的値は制御プロセッサに戻される。制御プロセッサは次に全ての親解答の目的値を順序付けし、最小の親の目的値を初期の大域的最小値の目的値Ｙ_GLとして記入、すなわち保存する。次に、ブロック１０６で、評価プロセッサはそれらの親、すなわち親解答から子、すなわち子解答を作成する。親解答内の無作為に選択された要素の簡単な突然変異を利用して子が作成される。好適には、無作為な変更はｔ₃に比例する。ブロック１０８で、第１のレベルの（家族内部、すなわち局域的）競争が行われ、次世代用にどの親を使用すべきかが判定される。この競争は家族内の最良の子を判定するために子の間で行われる。次に、最良の子が次世代の親となるべくその親と競争する。図４を参照すると、次世代の親を選択する処理プロセスがより明解に示されている。処理プロセスはブロック１６０で開始される。次に、ブロック１６１で、これから次世代の親を決めなければならない家族が選択される。ブロック１６２で、評価プロセッサは選択された家族の各々の子の目的値を判定する。次に、ブロック１６４で、評価プロセッサは評価プロセッサに表示された各々の家族から最良の子、すなわち最小の目的値を見いだす。家族のうちの最良の子はその家族ＩＤとともにそれぞれの親と競争するべく制御プロセッサに戻される。ブロック１６６で、最良の子とその親との競争が開始され、そこで最良の子の目的値がその親の目的値よりも優れているか否かの判定が行われる。ブロック１６６での判定が肯定であった場合は、処理プロセスはブロック１６８に進み、そこで最良の子が次世代の親として受入れられる。ブロック１６６での判定の結果が否であり、最良の子がその親よりも劣っていることが示された場合は、処理プロセスはブロック１７２に進む。ブロック１７２で、最良の子が前述のようなボルツマンの確率の基準を満たすか否かの判定がなされる。ブロック１７２での判定が肯定であった場合は、プロセッサはブロク１６８に進み、そこで子が次世代の親として選択される。ブロック１６８から、処理プロセスは次にステップ１７０に進み、そこで次世代用の全ての親が選択されたか否かの判定が行われる。全ての家族が評価され、次世代の親が全て選択されると、処理プロセスはステップ１７２に進み、そこで第１レベルの競争手順は終了する。ステップ１７０での判定が否であり、追加の家族が未だ次世代の親を決定すべきであることが示されると、処理プロセスはブロック１６１に戻る。ブロック１６１で、これからアドレス指定されるべき次の家族が選択され、処理プロセスは前述のように新たに選択された最良の子と親の評価を継続する。ブロック１７２におけるボルツマンの確率の基準の判定が否であり、親が競争の勝者であることが示された場合は、処理プロセスはブロック１７４へと継続され、そこで親は次世代の親として受入れられる。ブロック１７４から、処理プロセスはブロック１７０に進み、前述のように残りの処理プロセスが継続される。各家族について、制御プロセッサは次世代の親のＩＤを特定し、かつ記入する。制御プロセッサは全ての目的値を比較して、新たな大域的最小値の目的値Ｙ_GL を判定する。次に新たな大域的目的値は制御プロセッサに記入され、それが評価プロセッサによって利用される。全ての家族が第１レベルの競争を完了し、全ての次世代の親が選択され、記入された後、処理プロセスは図３に示した全体的な制御プロセスに戻る。図３を再び参照すると、処理プロセスはブロック１１０へと続き、そこで予め選択された基準に対するテストが行われて、受入れ可能な解が見つかったか否かが判定される。判定の結果が肯定である場合は、ブロック１１２で手順が終了、すなわち完了する。判定が否である場合はブロック１１４で照会がなされる。この照会によって、予め設定された回数の反復処理が完了したか否かが判定される。この場合も、判定の結果が肯定である場合は、ブロック１１２で手順が終了する。判定が否である場合は処理プロセスはブロック１１６に進む。ブロック１１６で、温度係数ｔ₁、ｔ₂およびｔ₃が前述のように低減される。次に、図５を参照して図３のブロック１１８に記載のような第２レベル、すなわち家族間の競争に関連する手順を詳細に説明する。家族間の大域的競争はブロック２００で開始される。ブロック２１０で、評価プロセッサはそこに表示された家族について数値ＣＯＵＮＴをゼロに設定する。ステップ２１０で、これからアドレス指定されるべき次の家族が選択される。選択された家族は次に、ブロック２１４で処理が開始される。この時点で、これから処理されるべき子がブロック２１６で選択され、その子の目的値がテストされて、それが最も低い大域的最小値の目的値Ｙ_GLであるか否かが判定される。判定が否である場合はブロック２１８に進み、その時点で上記の方程式がテストされる。ブロック２１６での判定が肯定である場合は処理プロセスはブロック２２０に進む。この時点で、家族の値ＣＯＵＮＴが増分される。ブロック２１８に戻ると、判定の結果が肯定である場合は前述のようにブロック２２０に進む。ブロック２２０の出力によって、並びにブロック２１８での判定の結果が否である場合は、ブロック２２２に進む。この時点で、戸特定の家族内の全ての子のアドレス指定が終了したか否かの判定が行われる。否である場合は、ブロック２１４で次の子が再び選択される。終了している場合は、ブロック２２４に進む。ブロック２２４で、特定の家族の受入れ数が数値ＣＯＵＮＴに等しく設定される。評価プロセッサはそこに表示された全ての家族の受入れ数を判定し、受入れ数を制御プロセッサへと返送する。ステップ２２６で、各評価プロセッサはそこに表示されている全ての家族の評価が終わったか否かを判定する。判定の結果が否である場合は、処理プロセッスはブロック２１２に戻る。ブロック２２６での判定が肯定であり、全ての家族の評価が完了したことが示された場合は、処理プロセスはブロック２２８に続く。この時点で、全ての家族の処理は完了し、受入れ数が与えられている。次に、ブロック２３０で、次世代で作成されるべき子の数に関して前述の計算が行われる。ルーチンは２３２で終了し、その時点で図３のブロック１１２に戻る。上記に詳細に記載したＧＥＳＡシステムは幾つかのＮＰ−コンプリート問題に適用された。それぞれの場合で、ＧＥＳＡ方式はそのような問題を解く迅速で正確な手段であることが実証された。ＧＥＳＡシステムは（ｉ）最も可能性が高い解答の領域に問題解法のタスクの焦点を絞るために、プロセッサ資源を再割当てする効率が高い誘導最適化技術であり、（ｉｉ）プロセッサ間で処理タスクを効率よく分散し、（ｉｉｉ）局域的最小値から脱出する能力を有し、かつ（ｉｖ）任意の精度で解答をカバーする能力を有していることが同業者には理解されよう。ＧＥＳＡアルゴリズムは２進ストリングによって課される直線的表現の拘束を受けず、新たな子の解答を作成する際に対合（ペアリング）を要しない。本発明を好適な実施例を参照して説明してきたが、本明細書を読み、理解すれば明らかに修正や変更が可能であろう。添付の請求の範囲またはそれと同等の範囲内にある限り、そのような修正や変更の全てが本発明に含まれることを意図するものである。

───────────────────────────────────────────────────── フロントページの続き (81)指定国ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＫＥ，ＬＳ，ＭＷ，ＳＤ，ＳＺ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＬ，ＡＭ，ＡＴ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，ＧＨ，ＨＵ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，ＶＮ，ＹＵ，ＺＷ

Claims

【特許請求の範囲】１．誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システムにおいて、予め選択された数の反復処理を表すデータを記憶するための反復処理データ記憶装置と、無作為に作成された親解答の数を表す整数Ｎを記憶する手段と、Ｎ個の親解答のそれぞれに子解答の数を表す整数Ｍを割当てる手段と、複数個のプロセッサ・ユニットを表す整数Ｐのそれぞれの間にＭ×Ｎの子解答を割当てる手段と、Ｎの親解答の１つを表すデータを受ける手段と、親解答と、親解答から作成された全ての子解答とが家族を形成する形式で、受信されたＮの親解答の１つから子解答を作成する手段と、作成手段から作成された各々の子解答を予め選択された大域的基準と比較するための大域的比較手段と、作成手段から作成された各々の子解答を予め選択された局域的基準と比較するための局域的比較手段の出力に従って、作成手段によって作成された、次世代の親解答を形成するサブセットＮ’の子解答を選択するための選定手段と、を含む複数個のＰのプロセッサ・ユニットを使用可能にする手段と、大域的比較手段に応答してＮ’の親解答の各々の間にＭ×Ｎの数の子解答を再割当てする手段と、（ｉ）反復処理データ記憶装置に記憶された予め選択された数の反復処理を表すデータとの比較に基づいて所定数の反復処理に達すること、（ｉｉ）先行する子解答のサブセットから受入れ可能な解答が達成されること、の少なくとも一方に達するまで、次世代のＮの親プロセスとしてＮ’の子解答を複数のＰのプロセッサ・ユニットに反復的に通信する手段と、を備えてなることを特徴とする並列的、分散形処理システム。２．初期温度ｔを表す温度データを記憶するための温度データ記憶装置と、予め選択された反復処理回数のそれぞれの反復処理中に温度データの値を低減する手段とを更に備えたとともに、選定手段が温度データに従って子解答のサブセットを選択するための手段を含むことを特徴とする、請求の範囲第１項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システム。３．家族内の親解答の目的値Ｙ_Pを計算するための手段と、家族内の子解答目的値Ｙ_Cを計算するための手段と、家族内の子解答に関連する最小の目的値を表す値を記憶する手段と、子解答に関連する最小の目的値を家族内の親の目的値に対してテストするテスト手段と、を更に備えたとともに、選定手段がテスト手段の出力に従って子解答のサブセットを選択するための手段を含むことを特徴とする、請求の範囲第２項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システム。４．テスト手段が子解答を下記の関係式、すなわちｙ_c＜ｙ_P または、但し、Ｙ_c＝最良の子解答の目的値Ｙ_p＝最良の子解答に関連する親解答の目的値ｐ＝０と１の間で無作為に分散する乱数ｔ₁＝温度係数の少なくとも一方に従って、局域的基準に対してテストすることを特徴とする、請求の範囲第３項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システム。５．大域的比較手段が予め選択された大域的基準に応じてカウント値を増分する手段を含むことを特徴とする、請求の範囲第３項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システム。６．予め選択された大域的基準が、下記の関係式、ｙ_c＜ｙ_GL または、但し、Ｙ_c＝最良の子解答の目的値Ｙ_GL＝先行世代までの母集団全体で見いだされた解答の最小の目的値ｐ＝０と１の間で無作為に分散する乱数ｔ₂＝温度係数の少なくとも一方に従うことを特徴とする、請求の範囲第５項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システム。７．Ｍ×Ｎの数の子をＮ’の親のそれぞれの間に再割当てする手段が、但し、Ｍ’＝その家族について作成される子の数Ｔ＝全ての家族ごとに利用できる子の総数、例えばＭ×Ｎの子Ａ＝その家族の受入れ数Ｓ＝全ての家族の受入れ総数、すなわち家族のカウントに従うことを特徴とする、請求の範囲第６項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システム。８．複数個のＮのプロセッサが使用可能になるごとに、複数個のプロセッサ・ユニット各々についてカウント値を増分する手段を更に備えてなることを特徴とする請求の範囲第７項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システム。９．誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理方法において、予め選択された数の反復処理を表すデータを記憶するステップと、無作為に作成された親解答の数を表す整数Ｎを記憶するステップと、複数個のＮのプロセッサ・ユニットを同時に使用可能にするステップと、Ｎ個の親解答の１つを表すデータを各プロセッサ・ユニットで受けるステップと、Ｍの子解答を家族を形成するＮの親解答のそれぞれ１つに割当てるステップと、Ｍ×Ｎの子解答を複数個のプロセッサ・ユニット間に割当てるステップと、各プロセッサ・ユニット内で、Ｎの親解答の１つから子解答を作成するステップと、各プロセッサ・ユニット内で、作成ステップで作成された各々の子解答を予め選択された大域的基準と比較するステップと、家族の子と予め選択された大域的基準との比較に応じて、各家族の適性を判定するステップと、家族の子を予め選択された大域的基準と局域的に比較するステップの出力に従って、作成ステップで作成されたＮ’の子解答のサブセットを選択するように選定し、その際に子解答のサブセットは次世代の親解答を形成するステップと、適性の判定に応じてＮ’の親解答のそれぞれの間にＭ×Ｎの数の子解答を再割当てするステップと、（ｉ）反復処理データ記憶装置に記憶された予め選択された数の反復処理を表すデータとの比較に基づいて所定数の反復処理に達すること、（ｉｉ）先行する子解答のサブセットから受入れ可能な解答が達成されること、の少なくとも一方に達するまで、次世代のＮの親プロセスとしてＮ’の子解答を複数のＰのプロセッサ・ユニットに反復的に通信するステップと、からなることを特徴とする並列的、分散形処理方法。 10．家族内の親解答の目的値Ｙ_Pを計算するステップと、家族内の子解答目的値Ｙ_Cを計算するステップと、家族内の子解答に関連する最小の目的値を表す値を記憶するステップと、子解答に関連する最小の目的値を家族内の親の目的値に対してテストするステップとからなり、選定ステップが更に、テスト手段の出力に従って子解答のサブセットを選択するステップを含むことを特徴とする、請求の範囲第９項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理方法。 11．初期温度ｔを表す温度データを記憶するステップと、予め選択された反復処理回数のそれぞれの反復処理中に温度データの値を低減ステップと、温度データに従って子解答のサブセットトを選択するステップと、からなることを特徴とする請求の範囲第１０項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理方法。 12．家族の適性を判定するステップが、予め選択された大域的基準との比較に応答してカウント値を増分するステップを含むことを特徴とする請求の範囲第１１項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理方法。 13．複数個のＮのプロセッサが使用可能になるごとに、複数個のプロセッサ・ユニット各々についてカウント値を増分するステップを更に含むことを特徴とする請求の範囲第１２項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理方法。 14．テスト手段が局域的比較を下記の関係式、すなわちｙ_c＜ｙ_P または、但し、Ｙ_c＝最良の子解答の目的値Ｙ_p＝最良の子解答に関連する親解答の目的値ｐ＝０と１の間で無作為に分散する乱数ｔ₁＝温度係数の少なくとも一方に従って行うステップを更に含むことを特徴とする、請求の範囲第１０項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理方法。 15．誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システムのための並列的プロセッサ・システムにおいて、複数個の評価プロセッサと、各評価プロセッサと連結された局部メモリであって、各々が、Ｎの親解答の１つを表すデータを記憶する手段と、計算の反復処理回数を表すカウント値を記憶する手段と、受入れ可能な最小目的値を表すデータを記憶する手段と、を含む局部メモリと、評価プロセッサの各々と選択的にデータ通信する共通メモリであって、予め選択された反復処理回数を表すデータを記憶する手段と、無作為に作成された親解答の数を表す整数Ｎを記憶する手段と、初期温度ｔを表す温度を記憶するための温度データ記憶装置と、所定の問題の受入れ可能な解答を表すデータを記憶する手段と、を含む局部メモリを備えてなり、各評価プロセッサが、Ｎの親解答の１つを表すデータを受ける手段と、子解答の数を表す整数ＭをＮの親解答の各々に割当てる手段と、Ｍ×Ｎの子解答を複数個の評価プロセッサの間に割当てる手段と、Ｎの親解答の１つから子解答を作成する作成手段と、各々の子解答を予め設定された大域的基準と比較する大域的比較手段とと、作成手段によって作成された各々の子解答をその親の目的値と比較する局域的比較手段と、局域的比較手段の出力に従って作成手段によって作成された、次世代の親解答を形成するＮ’の子解答のサブセットを選択するための選定手段と、を含み、かつ、大域的比較手段に応じてＭ×Ｎの数の子解答をＮ’の親解答の各々の間に再割当てするための手段を備えてなにことを特徴とする並列的プロセッサ・システム。 16．予め選択された大域的基準が、下記の関係式、ｙ_c＜ｙ_GL または、但し、Ｙ_c＝最良の子解答の目的値Ｙ_GL＝先行世代までの母集団全体で見いだされた解答の最小の目的値ｐ＝０と１の間で無作為に分散する乱数ｔ₂＝温度係数の少なくとも一方に従うことを特徴とする、請求の範囲第１５項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、分散形処理システム。 17．各々の局部メモリと共通メモリとの間の伝送を調整するための母線割当て制御手段を更に備えてなることを特徴とする請求の範囲第１５項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的、プロセッサ・システム。 18．各々の次世代の親解答を評価プロセッサのサブセットに割当てるため、母線割当て制御手段およびシステム・メモリとデータ通信する制御プロセッサを更に備えてなることを特徴とする請求の範囲第１７項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的プロセッサシステム。 19．共通メモリが、記憶されたデータを複数個のプロセッサが同時にアクセスし易くするためのデュアルポート・メモリからなることを特徴とする請求の範囲第１８項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的プロセッサシステム。 20．制御プロセッサが局域的データおよびそのための命令を記憶するための独自の局部メモリを含むことを特徴とする請求の範囲第１８項に記載の誘導進化をシミュレートしたアニーリングを利用した問題解決のための並列的プロセッサシステム。