JP3132282B2 - 計画立案方法及び計画立案装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は各種分野における様々な
計画立案、設計、制御における最適案を提供する計画立
案方法及び装置に関し、特に、順列組合せの数が膨大な
問題を簡易な構成で極めて高速に解決する計画立案方法
及び装置に関する。

【０００２】

【従来の技術】従来から、多種多様な分野（例えば、電
子基板のプリントパタ−ン設計、製造プロセス、下水道
配管設計、物流システム等）における、各種問題を対象
とする計画立案問題において、最大、あるいは、最小と
する項目を決め、該項目を、最大、あるいは、最小とす
る計画案である最適解を、現実的に許容しえる時間内に
見つけ出すために各種の手法が提案されてきた。

【０００３】例えば文献「「巡回セ−ルスマン問題」に
画期的方法−カオス利用で驚異の高成績、科学朝日、１
９９３−Ｆｅｂ．」、あるいは、特開平２−３０４５８
７号公報「最短距離、最短時間または最低交通費算出装
置」に記載されているように、相互結合型ニュ−ラルネ
ットワ−ク、カオス等を応用して、各種分野における計
画立案問題の最適化を、現実的に許容し得る時間内で行
う手段を実現しようとするものであった。

【０００４】また、文献「ＨＡＮＤＢＯＯＫ ＯＦ Ｇ
ＥＮＥＴＩＣ ＡＬＧＯＲＩＴＨＭ（Ｖａｎ Ｎｏｓｔ
ｒａｎｄ Ｒｅｉｎｈｏｌｄ）」に記載されている様に
生物の進化を模擬し、大域的に準最適解を求める、遺伝
的アルゴリズムも有望な手段として注目されている。

【０００５】

【発明が解決しようとする課題】与えられた計画問題に
対して、考えうる全ての計画案の組合せを検討する、い
わゆる「列挙法」に対して、前記のように相互結合型ニ
ュ−ラルネットワ−ク、カオス等の応用例を含む近年の
最適化手段の共通的な考え方は、まず、初めにある計画
案を立案し、当該計画案の内容を少しずつ、効率的に変
更させ（すなわち、ランダムに立案するのではなく、少
ない立案回数で最適解を得ようとする工夫を施してい
る）計画問題において、最終的に最大または最小にした
い項目を表す、目的関数の値を評価していき、優れた計
画（例えば、目的関数値を減少させる計画）を、次候補
の計画案として採用し、最終的に短時間で最適解、すな
わち、目的関数を最大または最小にする計画案を得よう
とするものである。

【０００６】しかしながら、従来のニュ−ロやカオスの
方法では、第１に、新たに計画立案を行う毎に、前記目
的関数の最適化を行うための計画立案時のパラメ−タで
ある、計画対象となる計画の構成要素数ｎの、少くとも
３〜５乗回の、計画立案のための処理が必要であるこ
と、さらに、第２に、最適解へ到達できるという理論的
裏づけがなく、経験的に最適性を評価しているために、
最適解、あるいは、準最適解に到達するのに長い処理時
間を要し、しかも、最適解に到達する確率が極めて低い
という問題点を有していた。

【０００７】例えば、前記文献に記載されているシステ
ムにおいては、３０ケ所を各々１回だけ訪問する経路の
うち、最短であるものを決定する、いわゆる「巡回セ−
ルスマン問題」の解決を、最近のコンピュ−タ（例え
ば、１０〜１００（ＭＩＰＳ）の能力を有するワ−クス
テ−ション等）を使用しても、２０秒という長時間を要
してしまう。しかも、３（％）の確率で、最適解を誤っ
て求めてしまう。

【０００８】これに対し、前記「遺伝的アルゴリズム」
は、計画の要素を生物進化における遺伝子並びを含む染
色体に対応させ、この染色体を複数設けることで、大域
的探索を行うものである。これにより前記手段に比べ最
適性は劣るが、処理性、とくに最適解への初期収束性が
大きく改善される可能性が高い。しかしながら、遺伝進
化を模擬する為には複雑な交配、突然変異、評価、淘
汰、評価等の処理を行わねばならず、現実の産業分野へ
の効果ある応用は極めて困難であった。

【０００９】また、近年、本発明が解決しようとする、
組合せの爆発問題を処理装置を多数結合させた超並列処
理装置を用いて解決しようとする試みが多くなされてい
るが、並列処理の効率を向上させ、かつ最適性を高める
適切な方法あるいは装置が存在していなかった。

【００１０】そこで本発明は、前記従来方法における、
処理性及び最適性の問題点を解決し、組合せ、順列の数
が膨大である計画問題の中から、目的関数の値を最大あ
るいは最小にする計画を極めて短時間で求める、計画立
案装置及び計画立案方法を提供することを目的としたも
のである。

【００１１】

【課題を解決するための手段】上記課題を解決するた
め、本発明によれば以下のような計画立案装置が提供さ
れる。すなわち、並列動作が可能な複数の処理装置を有
し、与えられた問題に対し、計画候補の内容を変更して
計画において最小化または最大化を図る項目を表わす目
的関数の値を最適にする計画を立案する計画立案装置に
おいて、複数の処理装置が各々、同一時間経過に対し各
々自律的に計画の最適化を図りながら自身の最適化進捗
の状況を判断する計画評価手段と、所定時間連続して前
記計画に変化が無い場合は、他の処理装置によって生成
されたより優れた計画案を自身に取り込む自立淘汰手段
とを備え、自律協調的に最適化を図ることを特徴とす
る。

【００１２】本発明の計画立案装置の他の特徴は、最適
化処理装置が、並列処理を行う複数の処理装置によって
構成され、各処理装置は、それぞれ、与えられた親計画
案から予め定められた変異操作により新たに子計画を生
成する計画変更手段と、前記親計画と前記子計画の比較
評価、更新を行う計画評価手段及び自律的淘汰手段とを
備え、計画評価手段は、親計画と前記子計画の目的関数
値の差分値を計算し、該目的関数値の差分が予め与えら
れた最適判断値より小さい場合には親計画を前記子計画
に置換える処理を繰り返すと共に、該子計画が前記並列
処理により得られた複数の計画案の中で最適な場合は、
該子計画案をベスト計画案として登録し、差分値が最適
判断値よりも大である時は、その親計画を保持するよう
構成され、自律的淘汰手段は、当該処理装置における親
計画の変更が連続して発生しなかった時間が、予め与え
られた自律淘汰世代値と比較して大きい時は、ベスト計
画案を該処理装置の新たな親計画として置換えるよう構
成されている。

【００１３】また、本発明によれば以下のような計画立
案方法が提供される。すなわち、与えられた問題に対
し、計画候補の内容を変更して計画において最小化また
は最大化を図る項目を表わす目的関数の値を最小または
最大にする計画立案方法であって、複数の処理装置が同
一時間経過に対し、各々自律的に最適化を図りながら、
自身の最適化進捗の状況を判断し、所定時間、あるいは
所定回数（世代）連続して変化が無い場合は、他のより
優れた計画案を自身に取り込み再び最適化を続行させる
計画立案方法である。具体的には、複数の計画案に対
し、それぞれ計画が順列問題である場合には、順列の要
素並びの一部分だけを変更し、また計画が組合せ問題で
ある場合は計画を構成する最小要素単位の１つを変更
し、前記変異によって生ずる目的関数値の差分を演算
し、その差分値が時間（世代）推移の都度徐々に減少す
る値の範囲に一様に分布する値より小さい場合には変更
後の計画を最適計画候補とし、再び上記処理を繰り返す
様にし、前記差分値が前記値より、大である場合は計画
を変更せずに上記処理を繰り返す様にし、変更が連続し
て一定時間発生しない場合は、他の処理装置で検討され
ている最も最適解に近い計画候補として、上記処理を行
なう方法である。

【００１４】

【作用】本発明の基本的な考え方は、以下の通りであ
る。（１）計画立案を行う複数の処理装置を有し、
（２）各処理装置にそれぞれ計画案を与え、（３）各処
理装置は与えられた計画案を複製して新たな計画案を生
成し、新たな計画案に対し最も小さな変異を与え、
（４）最適解か否かを、極値に陥らぬようにして選択決
定する。この時、ある同一の計画立案処理装置内で、定
められた回数、あるいは定められた時間計画が更新され
ない場合、（５）他の処理装置での最適解候補を自身の
計画案として自律的に取り込む。

【００１５】概念的には複数の個体（計画案）が最小の
遺伝的操作により自己増殖を繰り返して各々最適値に近
づいてゆくが、最適化進捗度合いを各々が自律的に観察
し進捗が鈍った場合他の優れた個体（計画案）に自律的
に置き変わってゆく様に動作する。

【００１６】上記過程で、最終的に最適解に到達させる
ためには、時間（世代）経過に従って、最適度合いを判
定する上限値を除々に減少させ、自律的に他の個体に置
き変わるか否かの判定時間（世代）は増大させる様に制
御すればよい。上記処理装置では、各々処理手順が自律
的に自身を淘汰する場合、計画系全時空間で最適な計画
を自身に取り込む様にしているが、他の方法として、自
身の存在する位置によって定まる特定の局所地域内での
最適な計画を取り込む様にする方法も考えられる。これ
により、計画の進化はランダムな離散的拡張でなく、連
続した地域の拡張の形で行なわれる様になる。

【００１７】また、上記処理装置では、各々の処理装置
が自律的に自身を淘汰する場合、他のより優れた計画案
を淘汰されるべき計画案に置き換えるようにしたが、他
の方法として、前記２種の計画案のそれぞれの要素を継
承するような交配（交叉）を行ない、得られた第３の計
画案を該セルプロセッサが処理対象とする親計画案とし
てもよい。

【００１８】以上の様ないくつかの本発明による方法を
行なうと、計画初期段階では、活発な個体の置き換え
（軍拡競争）が行なわれ、比較的良い値を有する個体が
揃い、中〜後期は各々の個体（計画案）は、漸化的に最
小の変異で確実に最適解に収束してゆく。

【００１９】本発明は、直接的なニュ−ラルネットワ−
ク構造や、従来の遺伝的アルゴリズムにおける交配や突
然変異等の冗長な他の最小化手段を採用しない極めて明
解な最適化方法であり、装置である。特に重要な点は、
従来の「遺伝的アルゴリズム」の初期の高速最適化速度
を保持したまま、最適解が一定の処理後に得られる様に
した点にある。すなわち、公知の様に従来の「遺伝的ア
ルゴリズム」は、立上りの最適性に優れるが、最適解は
えられない点を解消する。さらに、最適解が得られる従
来のニュ−ラルネットワ−クのボルツマンマシン、ある
いはシミュレ−テット・アニ−リングは、常時１種類の
計画案を変更し、変更前の計画と比較しながら最適値に
近づいてゆくため、遂時実行型の処理しかできなかった
のに対し、本発明では、複数の計画案を同時に検討して
進めることができるため、超並列処理装置により飛躍的
な処理性向上が得られるようになる。

【００２０】遺伝的アルゴリズムについては前記文献に
詳しい為、ここではその概要を述べる。予め世代毎の個
体の最大人口を定め、計画案をそれぞれ各々の個体に対
応づける。各個体は、定められた目的関数により評価さ
れる。次に、その評価値の人口全体の評価値の総和に対
する比率が計算される。ある世代においては、前記比率
に応じて選び出された（優性遺伝）１個、あるいは複数
の親と呼ばれる個体にし、２個以上の親の構成要素を互
いに交換して子を生成する交配操作、１個の親の要素を
予め定められた突然変異率に従って変化させる突然変異
操作、１個の親の要素並びを逆転させる逆位操作等の遺
伝子オペレ−タ−（操作）により、所定の数の子個体が
生成される。次に、親個体と子個体について、予め定め
られた手順で、予め定められた数の個体を生存させ次世
代処理に移行する様な処理を繰り返す。

【００２１】上記において、交配あるいは突然変異の遺
伝子操作を繰り返しても最適値には到達しないことは公
知である。また、上記遺伝子操作、人工制限、淘汰、評
価等の処理は少なくとも計画要素数をｎとするとｎ^{3 5}
回処理ステップを要していた。本発明では、以下の様に
して最適解を高速に得ることができるようにした。

【００２２】（超並列制御プロセッサの処理） 与えられた計画問題に対し、複数の計画案をそれぞれ複
数の処理装置に１個づつ割り当てた後、全てのセルプロ
セッサを起動し、以下の処理を少なくともｎ²／Ｐｎ回
繰り返す。ここでｎは計画対象要素数、Ｐｍはセルプロ
セッサの数である。以下、全てのプロセッサは非同期並
行に独立して処理を行なう。（第１のセルプロセッサの処理） （ステップ１）時刻ｔｉの推移と共に減少してゆく範囲
に一様に分布する最適判断値Ａ（ｔｉ）を演算する。 （ステップ２）時刻ｔｉの推移と共に増大してゆく自律
淘汰世代値Ｂ（ｔｉ）を演算する。 （第２の並列セルプロセッサ群の処理） （ステップ１）割り当てられた計画案（以下親計画と称
す）と同一の計画を複製し、最小の変異操作を施し子計
画を生成する。 （ステップ２）生成された子計画の目的関数値を求め、
親計画の目的関数値との差分値を求める。 （ステップ３）上記（ステップ２）で得られた目的関数
差分値を、第１のセルプロセッサが該当時刻ｔｉ定めた
最適判断値Ａ（ｔｉ）と比較し、目的関数差分値がＡ
（ｔｉ）よりも小である場合は子計画が最適計画に近い
と判断し、親計画を子計画に置き換え、次に共有メモリ
−上に記憶されているベスト計画の評価値と該子計画の
評価値を比較し、該子計画が優れている場合、すなわち
最大値を求める場合は大であり、最小値を求める場合は
小である場合は、該子計画を共有メモリ−上のベスト計
画案に、該子計画の評価値をベスト計画評価値にそれぞ
れ置き換え、淘汰世代カウンタ−をリセットする。一
方、前記目的関数差分値が最適判断値Ａ（ｔｉ）より大
である場合は、淘汰世代カウンタ−値を更新し、更新し
た淘汰世代カウンタ−値が、前記第１のセルプロセッサ
−の（ステップ２）で定められている該時刻ｔｉにおけ
る自律淘汰世代値Ｂ（ｔｉ）より大である場合は、自律
的に自身の親計画案を淘汰すべきと判断し、共有メモリ
−に記憶されているベスト計画を自ロ−カルメモリ−上
の親計画案に、共有メモリ−に記憶されているベスト計
画評価値を自ロ−カルメモリ−上の親計画評価値にそれ
ぞれ置き換え淘汰世代カウンタ−値をリセットする。淘
汰世代カウンタ−値が自律淘汰世代値Ｂ（ｔｉ）よりも
小である場合は、そのまま次ステップに進む。

【００２３】他の処理方法として、上記（ステップ３）
において、該セルプロセッサが自律的に自身の親計画案
を淘汰すべきと判断した場合、自身の存在位置によって
定まる局所的な範囲内のプロセッサ群の有する親計画案
の中から最適なものを自身の親計画案として取り込んで
も良い。

【００２４】また、上記（ステップ３）処理方法におい
て、自身の親計画案を他の最適な計画案に置き換えるの
ではなく、前記２種の計画案のそれぞれの要素を継承す
るような交配（交叉）を行ない、得られた第３の計画案
を該ップロセッサの処理対象親計画案としても良い。

【００２５】本発明による上記処理方法を用いると最適
解が短時間で得られる。この場合、最適解を得る為の処
理時間は以下の様に評価できる。第一のセルプロセッサ
の処理は、他のセルプロセッサ群と非同期に独立して行
なわれ、かつ他のプロセッサより明らかに短時間で処理
を終了できる。何故ならば、計画開始を時刻ｔｏとする
とｔｏ以降の時刻ｔｉでの最適判断値Ａ（ｔｉ）と自律
淘汰世代値Ｂ（ｔｉ）は、何となれば予め定めることが
できるからである。従って計画立案に要する処理時間の
評価において第１のセルプロセッサの処理時間は評価不
要である。

【００２６】第２のセルプロセッサ群の処理は、互いに
非同期に独立して自律的に行なわれるので、処理時間は
任意のセルプロセッサの処理の最長パスについてのみ検
討すれば良い。

【００２７】ここで、ｎを計画対象要素数、Ｃ１、Ｃ
２、Ｃ３をｎに依存しない定数とすると、第２のセルプ
ロセッサ群が最適解を得るまでの実時間処理回数オ−ダ
−Ｏ（ｎ）は、 Ｏ（ｎ）＝（全体の繰り返し回数）×｛（ステップ１）＋（ステップ２）＋ （ステップ３）｝ ＝ｎ²／Ｐｍ×｛Ｃ１＋Ｃ２×ｎ＋Ｃ３｝ ＝Ｃ４×ｎ³／Ｐｍ ここでＰｎ＝ｎ、すなわちセルプロセッサを計画対象数
具備することにより Ｏ（ｎ）＝Ｃ４×ｎ³／（Ｐｍ＝ｎ）＝Ｃ４×ｎ² となる。この結果、本発明を用いると、高々ｎ²のオ−
ダ−で最適計画を得ることができる。従来の遺伝的アル
ゴリズム等の方法では準最適解しか得られないのに対
し、本発明では最適解が得られる点が重要である。更
に、上記（ステップ２）においては、多くのクラスの計
画でｎに依存しない目的関数差分を得ることができる方
法が本発明に含まれており、この結果、このクラスに属
する多くの計画問題においては、 Ｏ（ｎ）＝ｎ²／Ｐｍ×｛Ｃ１＋Ｃ２＋Ｃ３｝ ＝Ｃ４×ｎ で最適解が得られる。

【００２８】一方、従来の方法では、１つの計画案の検
討時にｎ³個のステップを含んでいるため、これをｎ³回
繰り返すと、合計でｎ⁶個の処理ステップを要す。例え
ば、前記文献では、最適化、すなわち、最小化または最
大化を図る項目を表す目的関数Ｅ（ｉ）を、合計距離と
し、その最小化を図るためにＥ（ｉ）を次の様に定義し
ている。 Ｅ(ｉ)＝ΣΣΣｄａｂ・Ｖｂｃ(ｉ)・(Ｖｂｃ−１(ｉ)＋Ｖｂｃ＋１(ｉ)) （第一のΣは、ａ＝１からｎまでの総和、第二のΣは、
ｂ＝１からｎまでの総和、 第三のΣは、ｃ＝１からｎ
までの総和を表す。）ここで、ｄｉｊは、地点ｉとｊの
距離、Ｖｉｊは、地点ｉをｊ番目に訪れる確率を表す。

【００２９】この式を実行するには、少くともｎ³回の
計算が必要である。厳密には、前記文献の記載例では、
ｎ⁴の項が存在する為、ｎ⁷という膨大な計算量を要し、
ｎが３０以上の場合の計画問題に応用することは、現実
的でなく本発明との比較の対象としては適していない。

【００３０】従来の遺伝的アルゴリズムのうち最も高速
なものはｎ³のオ−ダ−で計画を立案する。これを比較
の対象とする。１秒間に１０⁷回の命令実行が可能（１
０（ＭＩＰＳ））なコンピュ−タ−を使用して、ｎ＝１
０，０００の最適化問題を解法しようとすると、各々の
手段での１個体の処理ステップ数を１，０００とすると
前記、最速の遺伝的アルゴリズムでの処理時間Ｔｏｌｄ
は少くとも Ｔｏｌｄ＝（１，０００×ｎ⁴）／（１０（ＭＩＰＳ）） ＝（１０³×１０¹⁶）／（１０⁷） ＝（１０¹⁹）／（１０⁷）＝１０¹²≒３（万年） 一方、本発明での処理時間Ｔｎｅｗは、 Ｔｎｅｗ＝（１，０００×ｎ²）／（１０（ＭＩＰＳ）） ＝（１０³×１０⁸）／（１０⁷） ＝（１０¹¹）／（１０⁷）＝１０⁴（秒）≒３（時間） であるから１／１０⁸に処理時間が短縮され、処理の高
速化が達成されたことになる。すなわち、１億倍の高速
化が実現される。これは高速化の達成と同時に、処理許
容時間が定められている場合には、同一時間内に解法し
得る問題の大きさが飛躍的に大きくなることを示してい
る。例えば従来方法での解法可能な最適化の対象の数を
Ｎｏｌｄ，許容時間を１０，０００（秒）とすると、 Ｎｏｌｄ＝（１０，０００＊１０⁷／１０₃）^1/4 ＝（１０⁸）^1/4 ≒１００ であるのに対し、本発明で解法可能な最適化の対象数Ｎ
ｎｅｗは， Ｎｎｅｗ＝（１０，０００＊１０⁷／１０³）^1/2 ＝（１０⁸）^1/2 ＝１０，０００ である。すなわち約３時間で、１０，０００個の要素を
有する最適化問題が解法できることになる。

【００３１】

【実施例】次に、本発明の実施例について図面を参照し
て詳細に説明する。図１は、本発明の計画立案装置の概
念を示す全体構成図である。計画立案装置１００は、計
画対象となる問題及びこの問題の解決に必要な変数の値
を与えるための入力装置３と、複数の処理装置からな
り、計画対象となる問題について最小化又は最大化を図
る項目を表す目的関数を作成し、この目的関数の最適値
が得られる最適の計画を求める処理を並列に実行する最
適化処理装置１１０と、この最適の計画を出力する出力
装置２と、メモリー１２０とを有する。

【００３２】メモリー１２０には、入力装置３により与
えられた、計画対象となる問題及びこの問題の解決に必
要な変数の値を与える親計画情報１２１と、親計画とこ
の親計画を漸化的に変異させて生成した子計画との評価
値差分値とを比較し最適解に近い計画を決定するための
最適判断値を与えるの最適判断情報１２２と、所定の値
より長時間計画の変更が発生していない処理装置に自律
的淘汰タイミングの判断を行わせるための自立淘汰世代
値を与える自立淘汰世代情報１２３、及び最適化処理装
置１１０によって与えられた最適化計画情報１２４とが
記録、保持される。

【００３３】最適化処理装置１１０の各処理装置１１０
Ａ〜Ｎは、それぞれ、計画要件を設定する計画要件設定
手段１１１と、与えられた親計画案から予め定められた
変異操作により新たに子計画を生成する計画変更手段１
１２と、前記親計画と前記子計画の比較評価、更新を行
う計画評価手段１１３及び自律的淘汰手段１１４とを備
えている。

【００３４】計画評価手段１１３は、親計画と子計画の
目的関数値の差分値を計算し、この目的関数値の差分が
最適判断情報１２２により与えられる最適判断値より小
さい場合には親計画を子計画に置換える処理を繰り返す
と共に、この子計画が並列処理により得られた複数の計
画案の中で最適な場合は、この子計画案をベスト計画案
としてメモリー１２０に登録する。また、差分値が最適
判断値よりも大である時は、親計画をメモリー１２０に
保持するよう構成されている。

【００３５】自律的淘汰手段１２３は、その処理装置１
１０Ａ〜Ｎにおける親計画の変更が連続して発生しなか
った時間が、自立淘汰世代情報１２３により与えられる
自立淘汰世代値と比較して大きい時は、メモリー１２０
に登録された前記ベスト計画案をその処理装置の新たな
親計画として置換えるよう構成されている。

【００３６】図２に、本発明の計画装置１００を実現す
るための並列処理装置１の構成例を示す。本装置は入力
装置３、出力装置２、入力装置制御ユニット８、出力装
置制御ユニット７、超並列制御ユニット４、相互に結合
された複数のセルプロセッサ５、共有メモリー６とを有
して構成される。

【００３７】入力装置３は、与えた計画対象となる問題
を受け付ける機能であり、計画立案に必要なパラメータ
を示す定数等を受け付ける機能等を少なくとも有する手
段であり、例えばキーボード、マウス等により実現でき
る。入力装置制御ユニットは前記入力された情報を共有
メモリー６、あるいはセルプロセッサ５内のローカルメ
モリーに転送する。

【００３８】出力装置制御ユニット７は、超並列制御ユ
ニット４の要求に応じて共有メモリー６、あるいはセル
プロセッサ５内のローカルメモリー内の情報を出力装置
２に出力する。出力装置２はＣＲＴ等により実現でき
る。

【００３９】超並列制御ユニット４は、外部との情報の
入出力、複数セルプロセッサ５の制御、共有メモリー６
の制御あるいは数値演算を行なう装置であり、ＣＰＵ、
ＲＯＭ、ＲＡＭ等の電子デバイスにて実現できる。

【００４０】図３は、前記セルプロセッサ５の詳細構成
例を示したものである。本例では、６４本が並列に接続
されているが、与えられた問題に対して要求される処理
性、複雑性に応じて増減が可能であることは言うまでも
ない。本装置は整数演算、実数演算等の処理を行なう主
演算装置（ＣＰＵ）９と、該当セルプロセッサが主に利
用するが、他のプロセッサもアクセス可能なローカルメ
モリー１０と、前記超並列制御ユニット４、共有メモリ
ー６、他のセルプロセッサ５と情報を交換する為の複数
のチャネル制御装置１２と、前記主演算装置９とローカ
ルメモリー１０とチャネル制御装置１２を結合するバス
機構１３により構成されている。この様な構成とするこ
とで、主たる論理処理は、他の処理装置との交信により
中断されることなく行なうことができる様になる。

【００４１】次に図４に、並列処理装置１の処理フロー
を示す。本処理は、ステップＡとして、与えられた計画
問題から、複数の初期案を生成し、各々の目的関数値を
演算し、複数のセルプロセッサ内に初期計画案と目的関
数値を転送し、以下の並列処理（ステップＢ、Ｃ）を同
時に起動する初期処理ステップを有する。

【００４２】次にステップＢと複数のステップＣ_1〜63
は、時間的に並列に、すなわち同時に処理を行なうが、
相互に抑止あるいは同期して処理が行なわれることは無
い。これにより、各セルプロセッサの稼動率は常に１０
０（％）が保証される。すなわち各セルプロセッサの処
理は各セルプロセッサ自身で自律的に行なわれる。

【００４３】図５は、図４のステップＢの温度／淘汰制
御の処理フローを示したものである。ステップＢは、ス
テップＣの最適化処理において参照される最適判断値と
自律淘汰世代値を離散的な時刻ｔｉ（ｉ＝１，２，…
…）毎に計算し、共有メモリー上にそれぞれＡ（ｔ
ｉ），Ｂ（ｔｉ）として格納する。

【００４４】最適判断値は、ある親計画と、該親計画か
ら生成された子計画を比較し、いずれが最適解に近いか
を判断する為の情報である。ここでは例えば、 で定める。但し、Ｃ₁は定数、ａ（ｔｉ）は時刻ｔｉで
生成した０．０〜１．０に一様に分布する実乱数であ
る。これは図５に示される様に、時間の経過と共に小さ
くなる様な値と０．０の間に一様に分布する値の時系列
情報となる。本例ではＣ₁＝１００．０に選ばれてい
る。

【００４５】自律淘汰世代値は、親計画から子計画を生
成して最適解に近い計画を生存させる過程で参照される
もので、自律淘汰世代値より長期間改善（進化）が無か
った場合に他の優れた計画に置き替わる様な事象である
「軍拡競争」を模擬する為の情報である。ここでは例え
ば、 で定める。但し、Ｃ₂は定数であり図５ではＣ₂＝１００
０に選ばれている。Ｂ（ｔｉ）は、時間ｔｉの進捗と共
に増大する値であり、これはすなわち計画立案の初期段
階では各セルプロセッサに割当てられている計画案同志
の生存の為の争い、すなわち「軍拡競争」が激しく行な
われ、一方計画立案が進むと各計画案の改善（進化）に
は十分な時間（チャンス）が与えられる様にするもので
ある。

【００４６】以上の方法は、生物の進化は急激な突然変
異や、無理な交叉（交配）によって行なわれるのではな
く、非常にゆっくりと確実に最小の変異による増殖が複
数の個体（計画案）で行なわれることにより徐々に改善
が行なわれ、更に進化が進み、適応度が高まると、一層
進化の速度は低くなるが、異なるグループ、あるいは種
の間では生存競争が残存し、これにより、一層適応度の
高い個体が得られてゆくことを模擬するものである。

【００４７】従来の遺伝的アルゴリズム手法において
は、交配、突然変異、淘汰の操作のみで、かつ余りにも
性急に計画案を変更してしまう為、進化の初期段階で、
改善が停止してしまうという重大な問題があった。これ
に対し本発明は、前記説明及び以下の詳細な説明で上記
問題を解決しているのみならず、高効率の自律協調型並
列情報処理の基本的方法である。

【００４８】図６は、図４の（ステップＣ）の最適化処
理フローを示したものである。各ステップは以下の様な
処理を行なう。（ステップＣ１０） 与えられている親計画案を複写し、
最小の変異を与え子計画案を生成する。次に子計画案の
目的関数値を演算し、子計画評価値とする。

【００４９】（ステップＣ２０）親計画評価値と、子計
画評価値の差分値と、前記（ステップＢ）にて共有メモ
リー上に記憶されている最適判断値Ａ（ｔｉ）を比較
し、差分値がＡ（ｔｉ）より小さい場合は子計画案が親
計画案よりも最適解に近いものとして、（ステップＣ７
０）に進む。差分値がＡ（ｔｉ）より大きい場合は、親
計画案が最適解に近い（進化なし）ものとして（ステッ
プＣ３０）に進む。

【００５０】（ステップＣ３０）ローカルメモリー上の
淘汰世代カウンターを正に更新する。

【００５１】（ステップＣ４０）前記（ステップＢ）に
て共有メモリー上に記憶されている自律淘汰世代値Ｂ
（ｔｉ）と前記淘汰世代カウンター値を比較し、淘汰世
代カウンター値がＢ（ｔｉ）より大きい場合は自律淘汰
が必要と判断し（ステップＣ５０）へ進む。そうでない
場合は（ステップＣ１０）へ戻る。

【００５２】（ステップＣ５０）共有メモリーに記憶さ
れている、ベスト計画案とベスト計画評価値をそれぞれ
ローカルメモリーの親計画案と親計画評価値エリアに複
写する。この処理は、該セルプロセッサが自律的に自身
の計画案を淘汰したものと考えてよい。そして「軍拡競
争」の勝者として、他のセルプロセッサで得られている
ベストな計画案が生存個体（計画案）数を増加させたも
のである。ここでの処理は全セルプロセッサでのベスト
計画が「軍拡」の権利を有するものとしているが、例え
ば該当プロセッサから有限のエリア内のベスト計画とし
てもよい。これにより、より厳密な生物進化模擬とな
る。計画対象数ｎが大きくなった場合については、後者
が有効である。次に（ステップＣ６０）へ進む。

【００５３】（ステップＣ６０）淘汰世代カウンターを
リセット（＝０）する。

【００５４】（ステップＣ７０）子計画を構築し、該計
画の目的関数値を演算し、子計画評価値とし、（ステッ
プＣ８０）へ進む。

【００５５】（ステップＣ８０）上記演算された子計画
評価値と、共有メモリー上のベスト計画評価値を比較
し、子計画評価値がベスト計画値よりも良好である場合
は（ステップＣ９０）に進み、そうでない場合は（ステ
ップＣ６０）へ進む。

【００５６】（ステップＣ９０）上記子計画案と子計画
評価値をそれぞれ共有メモリー上のベスト計画案，ベス
ト計画評価値として複写する。これにより、該当プロセ
ッサで生成した子計画案が新たに「軍拡」の権利を得た
ことになる。次に（ステップＣ６０）に進む。

【００５７】以上の様に最適化処理（図４ステップＣ）
は許容された時間内で、自己増殖，最小の変異、淘汰、
評価、軍拡登録等の進化処理を自律的に無駄時間無く繰
り返す。

【００５８】以上が本発明の一実施例であるが、発明を
より具体的に示す為、「巡回セールスマン問題」に本発
明を適用した場合について以下説明する。図７は、いわ
ゆる「巡回セールスマン問題」を計画例としたもので、
図４の初期処理（ステップＡ）において前記入力装置３
を介して与えられた問題が、設定された状態を示してい
る（このような状態は、例えば、表示装置２に表示させ
る構成にしておけば良い）。さて問題は、地点「０：
●」を出発し、地点「１」から「１０」までを１回だけ
訪問して、再地点「●」に戻る経路のうちで、例えば、
距離が最も短くなるものを決定する問題である。

【００５９】ここでは、目的関数を距離の総和とし、最
適化の目的は距離を最も短くすることとしたが、目的関
数は、全箇所を訪問するのに要する所要時間の総和であ
っても、自動車等の訪問に使用する手段が消費するエネ
ルギーの総和であってもよいことはいうまでもない。

【００６０】さて、設定された訪問順つまり親計画案を
ベクトルＸで表現すると、 Ｘ＝（１，２，３，４，５，６，７，８，９，１０） となる。また、各地点の間の距離は、予め定まってい
る。ここでは、共有メモリー６の中に、地点ｆから地点
ｔ（ｆ、ｔは、０から１０の数）までの距離マトリック
スＤ（ｆ、ｔ）（図７参照）が格納されている。

【００６１】図８は、本発明の工夫点の１つであって、
図６に示すステップＣ１０の処理を説明したものであ
る。計画立案の基本コンセプトは、与えられた計画Ｘの
要素の並びを少し変化させてみることである。ここで
は、これを「摂動」と称している。遺伝子操作の逆位に
対応する。すなわち、例えばベクトルＸを構成する要素
のｊ＝３番目と、ｋ＝８番目の範囲に含まれる要素の並
びを逆転させるわけである。この時ｊとｋは ｊ＜ｋ および １≦ｊ、ｋ≦１０ なる条件を満足し、かつ、各々上記範囲内で一様分布す
る乱数である。

【００６２】この操作により新たな計画Ｙは、 Ｙ＝（１，２，８，７，６，５，４，３，９，１０） となる。Ｙは明らかにＸに最小の変異を与えたものであ
り漸化的進化を意図したものである。

【００６３】次に、ある計画Ａの目的関数をＦ（Ａ）と
すると、ここでは合計距離であるから、以下での計算の
都合上、地点「●」を「１１」とすると、親計画案Ｘの
評価値は、 Ｆ（Ｘ）＝ΣＤ_m→m+1（Σは、ｍ＝１から１０までの総和をとる） ＝Ｄ_1→2＋Ｄ_2→3＋Ｄ_3→4＋Ｄ_4→5＋Ｄ_5→6＋Ｄ_6→7＋Ｄ_7→8＋Ｄ_8→9 ＋Ｄ_9→10＋Ｄ_10→11 ＝１７＋２３＋２７＋４１＋３４＋４５＋４３＋１２＋２２＋２４ ＝２８８ となり、同様に、子計画案Ｙの評価値は、 Ｆ（Ｙ）＝Ｄ_1→2＋Ｄ_2→8＋Ｄ_8→7＋Ｄ_7→6＋Ｄ_6→5＋Ｄ_5→4＋Ｄ_4→3 ＋Ｄ_3→9＋Ｄ_9→10＋Ｄ_10→11 ＝１７＋４５＋４３＋４５＋３４＋４１＋２７＋２７＋２２＋２４ ＝３２５ となる。

【００６４】図８をみてもＹの方が直感的に長いことが
分かる。ここでＸとＹの目的関数差分値△Ｆｘｙを、 △Ｆｘｙ＝Ｆ（Ｙ）−Ｆ（Ｘ） と定義すると、 △Ｆｘｙ＝３２５−２８８＝３７ となる。

【００６５】図９は、本発明において見出した目的関数
値の推移の有する特有な性質を示したものである。図９
の上図は、横軸に立案回数ｉ毎に定まる計画順ベクトル
Ｘ（ｉ）、縦軸に、その目的関数値を定義したものであ
る。計画順ベクトルの並びを、少しずつ変化させ、その
時の目的関数値を比較しながら適正に、最適解に近い計
画順ベクトルに置き換えて行く。

【００６６】この場合図に示すように、例えば、Ｘ
（ｉ）の様な極点（本実施例では、極小点）になる場合
でも次のベクトルに移行し、十分な回数の立案を行なっ
た後に、最適解ベクトルＸｏｐｔに達することが分か
る。

【００６７】従って、この様に毎回新しい計画Ｘｉ＋１
を作成し、その目的関数値Ｆ（Ｘｉ＋１）を演算し、前
回の計画Ｘｉの目的関数値Ｆ（Ｘｉ）と比較して、より
小さい、あるいは、大きなものを最適計画候補としてい
く処理を行なえば良いのであるが、この方法であると、
計画対象数であるｎが大きくなった場合に、新しい計画
を作成し、目的関数値を計算するのに膨大な時間を要す
ることになる。

【００６８】そこで、本発明では、この様な課題を解決
するために、立案毎に新しい計画を作成することを不要
とする性質を計画問題の有する性質から見出した。図９
の下図は、横軸に計画順ベクトルＸｉをとり、縦軸に、
その目的関数Ｆ（Ｘｉ）のＸｉに対する微分値△Ｆ（Ｘ
ｉ）をとって表現したものである。すなわち、 △Ｆ（Ｘｉ）＝ｄＦ（Ｘｉ）／ｄＸｉ＝Ｆ（Ｘｉ＋１）−Ｆ（Ｘｉ） である。

【００６９】これは、立案回数毎の目的関数差分値を表
わしており、新しい計画「Ｘｉ＋１」の目的関数値が前
回の計画における目的関数値より小さくなる場合には、
負となり、そうでない場合は、ゼロ、または正となる。

【００７０】その推移は、図に示される通り、Ｆ（Ｘ
ｉ）と対応するが、波形はゼロを中心とした、減衰振動
（すなわち、振幅が小さくなりながら周期も変化してい
く波形）に類似した波形になる。

【００７１】厳密な実験によると、一般的な計画問題に
おいては、問題の内容に関わらず、この様な形となり、
Ｘｉを時刻と考えた場合の振幅の減衰度合は、例えば、
Ｃ／ｌｏｇ（ｉ＋２） （本実施例では、Ｃ＝１０
０）の相似形になることがわかった。これは、△Ｆが正
になった場合、つまり、新しい計画の目的関数値が前回
の計画より悪くなった時でも（すなわち、最小化問題の
場合には増加した場合：最小化問題の場合には減少した
場合）、Ｃ／ｌｏｇ（ｉ＋２）より小さな場合には、新
しい計画を最適解候補に置き換えてゆくことにより、十
分大きなｉに対応する順ベクトルＸｉでは、必ず最適解
に達することを示している。

【００７２】この性質は、最適化の処理性能の向上に極
めて大きな貢献を行なう。何故ならば、立案の繰返し毎
に、新しい計画を全て作成し、該新計画に対する目的関
数値を演算する必要がなく、単に、少し計画を変化させ
（すなわち要素並びの一部を変化させ）、かかる変化さ
せた部分のみについて、検討すればよいわけである。こ
れにより、最適化の対象である数ｎに依存せずに、目的
関数値がどのように推移するかの検討が可能となり、計
画問題の解決を高速に実現できる。

【００７３】このことを、以下具体例を参照して説明す
る。最適化の第１の工夫は、△Ｆｘｙの演算方法にあ
る。図７に示す例においては、Ｆ（Ｘ）＝Σ（Ｄｍｘ）
（Σは、ｍｘ＝１から１０までの総和を表し、文字Ｘ
は、計画Ｘに関することを表す） Ｆ（Ｙ）＝Σ（Ｄｍｙ） （Σは、ｍｙ＝１から１０ま
での総和を表し、文字Ｙは、計画Ｙに関することを表
す）の全てを計算したが、最適化の為には（距離の総和
を最小にするためには）、多くの冗長な処理を含んでい
る。何故ならば、最適化を行うのに必要なのは、目的関
数値ではなく、目的関数差分値であるからである。

【００７４】図８において、本発明による操作を行なっ
た場合、ある２点の評価に可逆性（順番が変わっても、
ある２点間の関係が不変、例えば、→、でも→
でも距離は同じであること等をいう）がある場合には、
高々２ヶ所の変更が行なわれているだけであり、しかも
これは、最適化対象数ｎに依存していない。

【００７５】図８で説明すると、ＸからＹを生成する場
合に変更されたのは、ＸのＤ_2→3とＤ_8→9を取り除いた
点と、Ｄ_2→8とＤ_3→9が加わった点のみである。これを
数式で表わすと、 △Ｆｘｙ＝Ｆ（Ｙ）−Ｆ（Ｘ） （Ｄ_1→2＋Ｄ_2→8＋Ｄ_8→7＋Ｄ_7→6＋Ｄ_6→5＋Ｄ_5→4＋
Ｄ_4→3＋Ｄ_3→9＋Ｄ_9→10＋Ｄ_10→11）−（Ｄ_1→2＋Ｄ
_2→3＋Ｄ_3→4＋Ｄ_4→5＋Ｄ_5→6＋Ｄ_6→7＋Ｄ_7→8＋Ｄ
_8→9＋Ｄ_9→10＋Ｄ_10→11） ここで本問題では任意の地点ｊ，ｋに対して Ｄ_j→k＝Ｄ_k→j が成立するので △Ｆｘｙ＝（Ｄ_2→8＋Ｄ_3→9）−（Ｄ_2→3＋Ｄ_8→9） となる。操作ポインターｊ，ｋを用いて一般化すると、 △Ｆｘｙ＝(Ｄ(j-1)→k＋Ｄj→(k+1)）−（Ｄ(j-1)→j＋Ｄk→(k+1))…(式1) となり、最適化対象数ｎに依存せず、３回の加算、減算
を行なうのみでよいことがわかる。今まで順ベクトルの
並びの変更すなわち、主として、数学的順列問題につい
て述べてきたが、同様な考え方で、数学的組み合わせ問
題も解決することが可能である。

【００７６】図１０は、記憶手段３内の、予め格納され
ている定数と前記最適判断値例を示したものである。テ
ーブルｊとｋは例えばそれぞれ世代ｉ＝１からｉ＝ｎ²
まで次の様な性質を有する整数値がセットされている。
ｐｍはセルプロセッサ番号である。 （１）Ｊ（ｉ、ｐｒ）＜Ｋ（ｉ、ｐｒ）（以下、ｉは立
案回数） （２）１≦Ｊ（ｉ、ｐｍ）、Ｋ（ｉ、ｐｍ）≦ｎ （３）上記（２）レンジ内で一様分布する。 式１を、再度、書き直すと、 △Ｆ（ｉ）＝（Ｄ(J(i)-1)→K(i)＋ＤＪ(i)→(K(i)+1)） −（Ｄ(J(i)-1)→J(i)＋ＤＫ(i)→(K(i)+1)…（式２） ここで、本実施例での値 Ｊ（ｉ）＝３ Ｋ（ｉ）＝８ を（式２）に代入すると、 △Ｆ（ｉ）＝（Ｄ_2→8＋Ｄ_3→9）−（Ｄ_2→3＋Ｄ_8→9） ＝（４５＋２７）−（２３＋１２） ＝７２−３５ ＝３７ ＝Ｆ（Ｙ）−Ｆ（Ｘ） となり、ｎに依存せずに、目的関数差分値が求まること
がわかる。

【００７７】また、図１０の下図に示される、Ａ（ｔ
ｉ）は、目的関数差分値△Ｆｘｙと比較するための定数
であり、ｔｉ＝１からｎ²まで、例えば、次のような値
が前記、最適判断／淘汰制御処理により共有メモリーに
設定されている。ｔｉは時刻（世代）である。 但し、ｌｏｇは、自然対数、ａ（ｔｉ）は、「０．０」
から「１．０」に分布する一様乱数である。

【００７８】すなわち、時間（世代）ｔｉの増加によ
り、分布するレンジが小さくなるような値であればよ
い。Ｃ₁は、△Ｆにより容易に定めることができる。図
１０は、Ｃ₁＝１００とした場合のＡ（ｔｉ）の分布エ
リアの推移を示す。これは図５内のＡ（ｔｉ）と同じで
ある。斜線内にＡ（ｔｉ）は存在することになる。

【００７９】図１１は、本装置が正しく動作することを
検証するための説明図である。予め最適解が判明してい
る問題（与えられた全ての点を一度、訪問する計画問
題、いわゆる「セールスマン巡回問題」）を、ランダム
な訪問の順番を初期値とし、最適解に到達するか否かを
検証した様子を示している。円周上に地点を配置すれ
ば、その最適解は明らかに円であり、ｎ＝８、１６、３
２においては、図１１の様に最適解に達していることが
わかる。

【００８０】図１２は図１１の問題を本発明にかかる手
段を使用して解決する場合、最適化の対象となる対象数
ｎを変えると共に、初期状態Ｘを変えて実験し、最適解
に到達した回数の度数分布を作成したものである。ｎ＝
５００までにおいて全てｎ³回以下で、最適解に達して
いることがわかる。これは少なくとも、ｎ³回の検討を
行なえば最適解が得られることを示していることにほか
ならない。

【００８１】以上までの説明は、セルプロセッサが１個
のすなわちＰｍ＝１の逐次実行型のコンピューターを用
いた場合の最適計画立案について述べたものであり、本
発明における図４の（ステップＣ）最適化処理の１つの
セルプロセッサの動作についてのみ行ったものである。

【００８２】本発明は、前記ｎ³ 回を要する処理時間オ
ーダーを更に以下の方法で高速化する。図１３は、前記
説明においての計画案ａ₁ ¹＝（１２３４５６７８）（a_j
^k，ｋは先祖セルプロセッサ列、すなわちどのセルプロ
セッサで処理進化したかを示す数字列、ｊは時刻（世
代）ｔｉを示す）を、セルプロセッサ１での時刻（世
代）＝１における最適解候補として、a₁ ¹が次の時刻＝
２にてセルプロセッサ２，３に「軍拡」し、強力な個体
（計画案）がセルプロセッサ１，２，３で最小の変異で
ある「逆位」により、新たな個体（計画案）a₂ ¹¹，
a₂ ¹²，a₂ ¹³を増殖している状態を示している。a₁ ¹から
最小の変異としての逆位を行い移行できる集合は、８都
市から２都市を選ぶ組合せ、すなわち ₈Ｃ₂ の組合せ数
の要素を有する。従って、この中から最適解に近い候補
を選択する確率は、「軍拡」したセルプロセッサの数の
分だけ増大することがわかる。すなわち、ｎが十分大き
い、大規模な計画問題においては、十分大きな数のセル
プロセッサを具備する程確実に、最適解に近づく速度が
早くなる訳である。

【００８３】従来の超並列処理装置では、例えば並列本
数が２００程度までは処理性の向上が期待できるが、１
０００本以上になると、極端に効率が低下する、という
問題があったが、本発明では、上記説明で明らかな様に
並列数の増大による効率低下は極めて少ない。

【００８４】図１４は、図５、図６に示した、本発明に
よる分散協調並列処理の状況を「巡回セールスマン問
題」を例に示したものである。本図は、横軸に時間（世
代）推移ｔｉを、縦軸に、前記（ステップＢ）により定
められる最適判断値Ａ（ｔｉ）、自律淘汰世代値Ｂ（ｔ
ｉ）、セルプロセッサ毎の処理結果、及びベスト個体
（計画）とベスト個体の評価値を定義したものである。

【００８５】初期状態（ｔｉ＝１）ではセルプロセッサ
１、（ＣＰ１）からセルプロセッサ８（ＣＰ８）に、そ
れぞれ初期計画案（親計画案）として、ａ₁ ¹、ｂ₁ ²、ｃ
₁ ³、Ｄ₁ ⁴、Ｅ₁ ⁵、Ｆ₁ ⁶、Ｇ₁ ⁷、Ｈ₁ ⁸がそれぞれ割当てら
れている。時刻が２になると、ＣＰ３の計画は、時刻２
における淘汰世代数連続して進化（評価値が更新された
場合「進化」と称する）がなかった為、時刻２までのベ
スト計画案（ＢＥＳＴ個体）であるＤ₁ ⁴に置換えられて
しまっている。

【００８６】図１５は、これらの状況を時刻（世代）毎
の計画案の祖先（時刻＝１にて各セルプロセッサに割当
てられた計画案を示す）を根とするツリーで示したもの
である。ここで祖先を同一とする計画案群を「種」と称
す。生物学における「種」とは異なる。むしろ族に近
い。ある「種」が拡張（軍拡）する場合、最適化を行う
セルプロセッサの数が一定であるから、他の計画案（個
体）が消滅（淘汰）する。本発明では、これは各セルプ
ロセッサが、自律的に淘汰すべきか判断し、他のより優
れた計画案を自身に取込む様に工夫している。後述する
が、この場合、図６の処理では他の優れた計画案をその
まま、淘汰されるべき計画案を消滅させ置換えている
が、両者の要素が共に残る様な交配を行うことも考えら
れる。

【００８７】図１５では、時刻１２においてａ種が５
個、ｂ種が１個、ｄ種が２個他生存し、進化を行なって
いる状況を示している。

【００８８】図１６は、以上の状況を第１の軸に時間経
過（時刻）を、第２の軸にセルプロセッサ番号を、第３
の軸として第２の軸で示されるセルプロセッサ内の計画
案の該当時刻での評価値を定義したものである。時刻１
では、各々に個別の計画案が割付けられ、それぞれ異な
る評価値を有している。１つのセルプロセッサに注目す
ると、評価値が改善される場合とわずかに悪化する場合
があるが、変化を続けている場合は、長期的には、明ら
かに改善されてゆくのがわかる。しかし、所定時間（自
律淘汰世代値）変化が無い場合は、他のセルプロセッサ
で処理中の計画案で優れたものがある場合それを取込む
様に処理されており、進化が一気に促進されている。こ
のように並列に協調しながら最適化を図っている為、短
時間で最適解に到達している。

【００８９】図１７は、第１の軸は図１６と同様、時間
の推移（時刻）を示しているが、第２の軸は、評価値で
あるが全てのセルプロセッサの計画案評価値のうちで最
適な値（本例では最小値）を持つものを、図はプロット
している。

【００９０】従来の逐次実行型の最適化方法及び最適化
装置を用いた場合に比べ、本発明による方法及び装置を
用いると極めて短時間に最適値に到達していることがわ
かる。これは、同一の計画（設計、制御）許容時間が与
えられている場合は、本発明では、従来方法に比べ、よ
り複雑（要素数が大きい）な問題を解法することが可能
であることを示している。

【００９１】図１８は、本発明による最適化状況を、タ
イミング毎のセルプロセッサ内の計画案評価値度合でシ
ンボルを定めセルプロセッサのマトリックスで示した図
と、各評価値を棒グラフとし、視点場を回転して示した
ものである。

【００９２】左図は、縦横共１６分割とし、各交差矩形
をセルプロセッサでの評価値度合シンボルとしている。
本例では、２５６個のセルプロセッサとしている。

【００９３】右図は、評価値を下降方向に定義したもの
で、従って棒グラフ先端が高いもの程最適解に近いこと
を示している。

【００９４】時刻ｔｉ＝１では、散発的に良い解が存在
しているが、時刻ｔｉ＝ｍでは各プロセッサ毎の最適化
処理により全体的に改善され、また、最適解に近い計画
案グループが形成されている。時刻ｔｉ＝ｎ（ｎは十分
大きい）になると、全体が大きく改善され、かつ最適解
が出現している。

【００９５】以上は、各セルプロセッサ内の計画案を１
つの個体とした「人工生命」と、考え、この場合の淘汰
の方向が各個体の身長増加と考えればよい。もちろん、
ここでの身長とは「巡回セールスマン問題」での「距離
の総和」の減少の軸方向である。

【００９６】本発明の第２の要点は、この様に従来実験
的に行なわれていた「人工生命」の早期育成の手法を提
供し、かつ「人工生命」技術を産業に応用する手法を提
供できることにある。

【００９７】図１９以降に、「人工生命」の育成に一層
近い、他の最適化方法を示す。最適化対象要素数（ｎ）
が大きく、かつ超並列接続のセルプロセッサ数が大きい
場合には、以下の方法が、前記方法より優れている場合
がある。

【００９８】図１９は、前記方法の処理の一部を変更し
たもので「局所的軍拡伝播最適化方法」と称する。図６
に示した前記方法は、セルプロセッサ毎に自律淘汰が行
なわれる場合計画手段全体でベストな計画案を自身に取
込んでゆくものであった。この方法であると、ベストな
計画案が、全体に離散的に拡散してゆき、比較的少ない
種類の「種」による高速の最適化が期待できる。これ
は、例えば目的関数の種類が少ない場合で、かつ最適解
がある程度偏在する場合に有効である。

【００９９】図１９は、図６の処理フローに（ステップ
Ｃ４２），（ステップＣ４４），（ステップＣ４６）を
加え、（ステップＣ８０）と（ステップＣ９０）を取除
いたものである。すなわち（ステップＣ４０）で自律的
に淘汰が必要と判断された場合、全最適化時空間の該時
刻までのベストの計画を取り込むのではなく、自セルプ
ロセッサを囲むセルプロセッサの中でより優れたものが
ある場合、その中から最も優れたものを自身の親計画と
する様に動作する。これにより、ベストの計画を記憶し
ておく必要が無くなる為、（ステップＣ８０）と（ステ
ップＣ９０）が不要となる。 図２０は、以上の処理
を、セルプロセッサＣＰを中心とするハードウェアト
ポロジーと、各メモリー内の項目による説明図である。

【０１００】（ステップＣ４２）では、ＣＰを囲むプ
ロセッサＣＰからＣＰの８個のセルプロセッサにつ
いて以下の処理を繰り返すよう制御する。（ステップＣ
４４）では、例えばＣＰ内のローカルメモリーの親計
画評価値と、ＣＰ内のローカルメモリー内の親計画評
価値を比較する。この結果ＣＰに隣接するＣＰの親
計画評価値の方が最適解に近い場合は、ＣＰの親計画
案と親計画評価値をＣＰのものとそれぞれ置き換え
る。

【０１０１】この様にして以下同様にＣＰからＣＰ
まで処理をくり返すことによりＣＰに隣接するセルプ
ロセッサのうちで最も最適である計画がＣＰに取り込
まれる。本例では、直接隣接するセルプロセッサのみを
対象としたが、参照範囲はこれに限定されるものではな
く、対象問題に応じて定めることが可能である。

【０１０２】図２１は、前記図１８と同様、図２０に示
した「局所的軍拡伝播最適化手法」による最適化状況を
示したものである。図２１の定義は、左図の各セルプロ
セッサに対応する各交差矩形のシンボルが種により定め
られている点を除いては図１８と同一である。すなわち
ｔｉ＝１にて存在したａ種の祖先ａ₁が徐々に勢力を拡
張してゆき、ｔｉ＝ｎでは半数以上の領域に存在するプ
ロセッサに伝播していることが視覚的に容易に認識でき
る様にしたものである。従って、同一模様で示される領
域は同一の評価値を有するのではなく、右図に示される
様に、同一種であっても評価値はそれぞれ異なる。

【０１０３】図１８に比較すると、同一時刻（世代）に
おいて、各セルプロセッサ毎の評価値が平均的に高くな
っており、各評価値高原（評価値が台を成していること
を指す）から離散的により最適な計画（個体）が成長し
ている様子が伺える。これは、図６の方法に比べ、急激
な広域的計画変更を行なわず、局所的な領域内での改善
を徐々に行なっている為であり、最適化問題の要素数が
大でかつ、セルプロセッサ数も大である場合は極めて有
効に作用する。

【０１０４】本処理は、染色体を都市の並びＸ， Ｘ＝（１２３４…… ｎ） に、各要素を遺伝子ととして対応させると、「定方向進
化」を行なう。原始的な「人工生命」の増殖、淘汰、軍
拡競争となる。本方法の特徴は、単に進化は「進歩」
（改善）だけでなく「退化」（悪化）を含んでいること
により、極値状況から必ず脱出する点にあり、従来の最
適化方法や、「人工生命」の有する根本的問題を解決し
ている点にある。

【０１０５】これにより、従来は、実験室レベルであっ
た「人工生命」の手法に本発明を適用し、かつ計画／設
計／制御における目的項目の最適化方向を「定方向」に
定めてやれば、極めて高速にかつ確実に、最適解が得ら
れることになる。

【０１０６】図２２は、上記を更に具体的な最適化手法
と同一の時間軸で比較実験した結果を示している。図２
２の上の図は、全ての存在する解をランダムに探すラン
ダム探索法によるもので、例えば、「巡回セールスマン
問題」での都市の数を１００とした場合は、最適解到達
に必要な最悪値は１００！≒１０¹⁵⁷ の検討回数が必要
である。

【０１０７】中図は、従来の遺伝的アルゴリズム（Ｇ
Ａ）とシミュレーテッドアニーリング等の最適化手法に
よる結果を示している。ＧＡは初期段階で比較的良い値
に収束しているが、検討回数が増加しても、改善が無く
なり、最適解に到達しない。この傾向は、計画の要素数
（＝ｎ）が大きくなる程顕著となり、厳密な最適問題に
ＧＡは適用困難である。

【０１０８】シミュレーテッドアニーリング等の手法
は、徐々にではあるが確実に最適解に近づいてゆきｎ³
〜ｎ⁵程度の検討回数で最適解に到達する。前記ランダ
ム検索に比べると、ｎ！からｎ⁵へ大きく高速化が達成
されている。しかし、やはりｎが１０，０００を超える
大規模な問題の場合は、現在の逐次実行型のコンピュー
タの最速の処理速度を有するものを用いたとしても、現
実的には解法が困難である。また、将来的にも、処理装
置に半導体技術を用いる限り、既に処理速度は限界に近
づいている為、実用できないことにになる。

【０１０９】図２２の下の図は、本発明による最適化状
況を示したものである。最適化は原理的にはｎ³／Ｐｍ
すなわち並列度数分だけ高速化される。現実的には１０
０（％）の並列効率は困難であるので本例では、Ｐｍ＝
ｃ・ｎ（ｃは１より大である整定数）とすることで、ｎ
²オーダーの検討回数で最適解に到達している。今後の
コンピュータのアーキテクチャは膨大な数の、セルプロ
セッサを超並列に仮想ハイパー接続したものとなる。こ
れに対し、本発明で示した、各々のセルプロセッサでは
確実な最適化処理を行ない、かつ、時間の推移により自
律的な淘汰、交配等を行なう方法は、計画のみならず、
設計、制御等多くの情報処理の基本的な考えとなるもの
である。

【０１１０】図２３に、極めてニーズの多い、製造業に
おける生産計画の最適化に、本発明を応用した例を示
す。

【０１１１】本実施例では、製造設備Ａにて６種類の作
業〜を効率良く行なう計画例である。設備が１台の
為作業の移行時は冶具の交換、清掃、ＮＣ加工パラメー
タの設定等の、図に示す段取り時間が必要となる。

【０１１２】この計画は、前記「巡回セールスマン問
題」と対応づけて検討すると作業を巡回地点に、段取り
時間を巡回地点間の距離に対応させ、目的関数として総
作業時間をとり、これを最小とすることとすると同一と
なる。

【０１１３】これにより、前述の「巡回セールスマン問
題」に、１対１に対応することとなる。これはさらに、
総段取り時間を最小にすることと等価であり、初期親個
体のうち最良の評価値を有する親個体Ｐ（１）の総段取
り時間が７７（分）であったものが、本発明による装置
によって、３９（分）となり、５０（％）も、総作業時
間が短縮される。

【０１１４】実際の大規模な工場に配置される設備数
は、数百、作業数は、１ヶ月で数千〜数万におよぶが、
図１２によれば、極めて短時間に、現実的な最適解が得
られることを示しており、製造業の規模が大きくなれば
なるほど、本発明は、その効果を発揮する。

【０１１５】本実施例と同様な問題として、 （１）配送計画 （２）配車計画 （３）製鉄における圧延計画 （４）自動倉庫の入出庫計画 （５）材料取り計画 などがある。

【０１１６】

【発明の効果】本発明によれば、簡単な構成により、与
えられた問題に対する最適な計画立案を高速に行なう手
段を提供できる効果がある。

【図面の簡単な説明】

【図１】本発明の計画立案装置の全体構成例を示す概念
図である。

【図２】本発明を実現するための並列処理装置の構成例
を示す図である。

【図３】図２のセルプロセッサの詳細構成例を示す図で
ある。

【図４】本発明における並列処理手順の説明図である。

【図５】図３の最適判断／淘汰制御処理手順の説明図で
ある。

【図６】図３の自律型最適化処理手順の説明図である。

【図７】巡回セールスマン問題における最適化方法の設
定例である。

【図８】計画の遺伝子操作と評価の説明図である。

【図９】目的関数値推移の性質の説明図である。

【図１０】最適化変数の例である。

【図１１】最適化動作例の説明図である。

【図１２】最適化に要した検討回数の度数分布である。

【図１３】時間（世代）経過毎の計画の増殖とセルプロ
セッサの処理説明図である。

【図１４】分散協調最適化状況の説明図である。

【図１５】時間（世代）推移に対する個体（計画）の進
化と軍拡競争の例である。

【図１６】時間（世代）推移に対するセルプロセッサ毎
の評価値推移の説明図である。

【図１７】本発明による効果の説明図である。

【図１８】最適化の進行状況例であり、また人工生命の
進化の状況例の説明図である。

【図１９】本発明の他の実施例になる局所的軍拡伝播最
適化処理手順の説明図である。

【図２０】図１９の局所的軍拡伝播最適化方法の説明図
である。

【図２１】局所的軍拡伝播最適化の進行状況例であり、
また人工生命の進化及び生息地域の力のバランスの説明
図である。

【図２２】処理パフォーマンス比較グラフである。

【図２３】本発明を生産計画立案に応用した場合の例で
ある。

【符号の説明】

１…並列処理装置、２…出力装置、３…入力装置、４…
超並列制御ユニット、５…セルプロセッサ、６…共有メ
モリー、７…出力装置制御ユニット、８…入力装置制御
ユニット、１００…計画立案装置、１１０…最適化処理
装置１１０、１１１…計画要件設定手段、１１２…計画
変更手段、１１３…計画評価手段、１１４…自律的淘汰
手段１１４、１２１…親計画情報、１２２…最適判断情
報、１２３…自立淘汰世代情報、１２４…最適化計画情
報

───────────────────────────────────────────────────── フロントページの続き (72)発明者 塩沢 正三 茨城県日立市幸町三丁目２番１号 日立 エンジニアリング株式会社内 (56)参考文献 特開 平６−314270（ＪＰ，Ａ) 特開 平５−204891（ＪＰ，Ａ) 特許3069479（ＪＰ，Ｂ２) 西川、玉置、「近傍モデルによる遺伝 アルゴリズムの並列化手法とそのジョブ ショップ・スケジューリング問題への応 用」、計測自動制御学会論文集、第29 巻、第５号、社団法人計測自動制御学 会・発行（1993年５月）、ｐｐ．589〜 595（特許庁ＣＳＤＢ文献番号：ＣＳＮ Ｔ199901641007) 米澤保雄、「遺伝的アルゴリズム−進 化理論の情報科学−」、森北出版株式会 社・発行（1993年10月、初版）、ｐｐ. 152〜155（特許庁ＣＳＤＢ文献番号：Ｃ ＳＮＹ199700140001) 高橋、棟朝、高井、佐藤、「階層型Ｇ Ａによる協調的探索手法とそのＵＮＩＸ −Ｎｅｔｗｏｒｋ上での実現」、情報処 理学会研究報告、Ｖｏｌ．93、Ｎｏ. 103（93−ＡＩ−91）、社団法人情報処 理学会・発行（1993年11月）、ｐｐ．９ 〜16（特許庁ＣＳＤＢ文献番号：ＣＳＮ Ｔ199901153002) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 9/44 G06N 3/12 G06F 15/16 G06F 19/00 ＪＩＣＳＴファイル（ＪＯＩＳ) ＣＳＤＢ（日本国特許庁)

Claims (10)

(57)【特許請求の範囲】
1. 【請求項１】並列動作が可能な複数の処理装置を有し、
   与えられた問題を表現する目的関数の値を最小又は最大
   にする計画を立案する計画立案装置において、前記複数
   の処理装置が各々、同一時間経過に対し各々自律的に前
   記計画の最適化を図りながら自身の最適化進捗の状況を
   判断する計画評価手段と、所定時間連続して前記計画に
   変化が無い場合は、他の処理装置によって生成されたよ
   り優れた計画案を自身に取り込む自立淘汰手段とを備
   え、自律協調的に最適化を図ることを特徴とする、計画
   立案装置。
2. 【請求項２】計画対象となる問題について最小化又は最
   大化を図る項目を表す目的関数を作成し、該目的関数の
   最適値が得られる最適の計画を求める処理を並列に実行
   する最適化処理装置を備えた計画立案装置において、 前記最適化処理装置は並列処理を行う複数の処理装置に
   よって構成され、前記各処理装置は、それぞれ、与えら
   れた親計画案から予め定められた変異操作により新たに
   子計画を生成する計画変更手段と、前記親計画と前記子
   計画の比較評価、更新を行う計画評価手段及び自律的淘
   汰手段とを備え、 前記計画評価手段は、前記親計画と前記子計画の目的関
   数値の差分値を計算し、該目的関数値の差分が予め与え
   られた最適判断値より小さい場合には前記親計画を前記
   子計画に置換える処理を繰り返すと共に、該子計画が前
   記並列処理により得られた複数の計画案の中で最適な場
   合は、該子計画案をベスト計画案として登録し、前記差
   分値が前記最適判断値よりも大である時は、前記親計画
   を保持するよう構成され、 前記自律的淘汰手段は、当該処理装置における前記親計
   画の変更が連続して発生しなかった時間が、予め与えら
   れた自律淘汰世代値と比較して大きい時は、前記ベスト
   計画案を該処理装置の新たな親計画として置換えるよう
   構成されていることを特徴とする計画立案装置。
3. 【請求項３】計画対象となる問題及びこの問題の解決に
   必要な変数の値を与える入力装置と、複数の処理装置か
   らなり前記計画対象となる問題について最小化又は最大
   化を図る項目を表す目的関数を作成し、該目的関数の最
   適値が得られる最適の計画を求める処理を並列に実行す
   る最適化処理装置と、前記最適の計画を出力する出力装
   置とを備えた計画立案装置において、 前記親計画と該親計画を漸化的に変異させて生成した子
   計画との評価値差分値とを比較し最適解に近い計画を決
   定するための最適判断値の情報を与える手段と、所定の
   値より長時間計画の変更が発生していない処理装置に自
   律的淘汰タイミングの判断を行わせるための自律淘汰世
   代値の情報を与える手段とを有し、 前記最適化処理装置は並列処理を行う複数の処理装置に
   よって構成され、前記各処理装置は、それぞれ、与えら
   れた親計画から予め定められた変異操作により新たに子
   計画を生成する計画変更手段と、前記親計画と前記子計
   画の比較評価、更新を行う計画評価手段及び自律的淘汰
   手段とを備え、 前記計画評価手段は、前記親計画と前記子計画の目的関
   数値の差分値を計算し、該目的関数値の差分が前記最適
   判断値より小さい場合には前記親計画を前記子計画に置
   換える処理を繰り返すと共に、該子計画が前記並列処理
   により得られた複数の計画案の中で最適な場合は、該子
   計画案をベスト計画案として登録し、前記差分値が前記
   最適判断値よりも大である時は、前記親計画を保持する
   よう構成され、 前記自律的淘汰手段は、当該処理装置における前記親計
   画の変更が連続して発生しなかった時間が、前記自律淘
   汰世代値と比較して大きい時は、前記ベスト計画案を該
   処理装置の新たな親計画として置換えるよう構成されて
   いることを特徴とする計画立案装置。
4. 【請求項４】与えられた計画対象となる問題および該問
   題の解決に必要な変数の値を少なくとも受け入れる入力
   装置と、前記計画対象となる問題において最小化又は最
   大化を図る項目を表わす目的関数を作成し、該目的関数
   の値を最小化又は最大化する計画を立案する並列処理装
   置と、前記立案された計画を出力する出力装置を具備す
   る計画立案装置であって、前記並列処理装置は、数値演
   算を行なう主演算装置と、情報を記憶するロ−カルメモ
   リ−と他装置と情報の交換を行なう通信制御装置より成
   る複数のセルプロセッサと、前記複数のセルプロセッサ
   共通の記憶手段である共有メモリ−と、全体を制御する
   並列制御ユニットにより成り、前記セルプロッセサのう
   ち少なく共１個は時間経過と共に減少する様な値で、親
   計画を漸化的に変異させて生成した子計画と親計画の評
   価値差分値とを、比較し、最適解に近い計画を決定する
   為の最適判断値と、時間の経過と共に増大する値で、こ
   の値より長時間計画の変更が発生していないプロセッサ
   に自律的淘汰タイミングの判断を行なわせる為の自律淘
   汰世代値を前記共有メモリ−に生成し、所定時間経過後
   計画処理全体を終了させる最適判断／淘汰制御を行な
   い、他の複数のセルプロセッサ群は、それぞれ与えられ
   た問題に対して複数の計画案を少なくとも記憶する記憶
   装置と、前記与えられた親計画案から予め定められた変
   異操作により新たに子計画を生成し、この２種の計画の
   目的関数値の差分値を計算し、前記共有メモリ−上の最
   適判断値を比較し、前記目的関数値の差分が前記共有メ
   モリ−上の最適判断値より小さい場合には前記親計画を
   今回立案した子計画に置換え、計画開始時刻より刻時刻
   までの全てのセルプロセッサで増殖された計画案の中で
   最適な場合は、共有メモリ−上に該計画案と該計画評価
   値をそれぞれベスト計画案とベスト計画評価値として登
   録し、前記差分値が前記最適判断値よりも大である時
   は、親計画を変更せず、変更が連続して発生しなかった
   時間を示す淘汰世代カウンタ−を更新し、該淘汰世代カ
   ウンタ−値が、前記共有メモリ−上の自律淘汰世代値よ
   り大である時は前記共有メモリ−上のベスト計画案及び
   ベスト計画評価値を自セルプロッセサ内のロ−カルメモ
   リ−上の親計画案及び親計画評価値に置き換える自律的
   最適化処理を行なうことを特徴とする、計画立案装置。
5. 【請求項５】与えられた計画対象となる問題および該問
   題の解決に必要な変数の値を少なくとも受け入れる入力
   装置と、前記計画対象となる問題において最小化又は最
   大化を図る項目を表わす目的関数を作成し、該目的関数
   の値を最小化又は最大化する計画を立案する並列処理装
   置と、前記立案された計画を出力する出力装置を具備す
   る計画立案装置であって、前記並列処理装置は、数値演
   算を行なう主演算装置と、情報を記憶するロ−カルメモ
   リ−と他装置と情報の交換を行なう通信制御装置より成
   る複数のセルプロセッサと、前記複数のセルプロセッサ
   共通の記憶手段である共有メモリ−と、全体を制御する
   並列制御ユニットにより成り、前記セルプロッセサのう
   ち少なく共１個は時間経過と共に減少する様な値で、親
   計画を漸化的に変異させて生成した子計画と親計画の評
   価値差分値とを、比較し、最適解に近い計画を決定する
   為の最適判断値と、時間の経過と共に増大する値で、こ
   の値より長時間計画の変更が発生していないプロセッサ
   に自律的淘汰タイミングの判断を行なわせる為の自律淘
   汰世代値を前記共有メモリ−に生成し、所定時間経過後
   計画処理全体を終了させる最適判断／淘汰制御を行な
   い、他の複数のセルプロセッサ群は、それぞれ与えられ
   た問題に対して複数の計画案を少なくとも記憶する記憶
   装置と、前記与えられた親計画案から予め定められた変
   異操作により新たに子計画を生成し、この２種の計画の
   目的関数値の差分値を計算し、前記共有メモリ−上の最
   適判断値を比較し、前記目的関数値の差分が前記共有メ
   モリ−上の最適判断値より小さい場合には前記親計画を
   今回立案した子計画に置換え、前記差分値が前記最適判
   断値よりも大である時は親計画を変更せず、変更が連続
   して発生しなかった時間を示す淘汰世代カウンタ−を更
   新し、該淘汰世代カウンタ−値が、前記共有メモリ−上
   の自律淘汰世代値より大である時は、該セルプロセッサ
   の位置により定まる自身を含む領域範囲内に含まれるセ
   ルプロセッサ群で処理されている計画案の中で最適な評
   価値を有する計画案を該セルプロセッサ内のロ−カルメ
   モリ−上の親計画案及び親計画評価値に置き換える自律
   的最適化処理を行なうことを特徴とする計画立案装置。
6. 【請求項６】並列動作が可能な複数の処理装置を備えた
   計画立案装置において、与えられた問題に対し計画候補
   の内容を変更して計画において最小化または最大化を図
   る項目を表わす目的関数の値を最小又は最大にする計画
   を立案する方法であって、前記各処理装置における処理
   手順が同一時間経過に対し、各々自律的に最適化を図り
   ながら、自身の最適化進捗の状況を判断し、所定時間連
   続して変化が無い場合は、他の処理装置におけるより優
   れた計画案を自身に取り込み、自律協調的に最適化を図
   ることを特徴とする、計画立案方法。
7. 【請求項７】並列動作が可能な複数の処理装置を備えた
   計画立案装置により、与えられた問題に対し計画候補の
   内容を変更して該計画を表わす目的関数の値を最小また
   は最大にする計画を立案する方法であって、前記各処理
   装置において、前記計画案に対し、それぞれ計画が順列
   問題である場合には順列の要素並びの一部分だけを変更
   し、また計画が組合せ問題である場合には、計画を構成
   する最小要素単位の１つを変更し、前記変更によって生
   ずる目的関数値の差分を演算し、その差分値が時間推移
   の都度徐々に減少する値の範囲に一様に分布する値より
   小さい場合には変更後の計画案を最適計画候補とし、再
   び上記処理を繰り返し、前記差分値が前記値より大であ
   る場合は計画を変更せずに上記処理を繰り返すと共に、
   計画の変更が連続して定められた時間発生しない場合
   は、他の処理装置で検討されている計画案を最適計画候
   補として自身に取り込み上記処理を繰り返す様処理する
   ことを特徴とする、計画立案方法。
8. 【請求項８】計画対象となる問題及び該問題において最
   小化または最大化を図る項目を表わす目的関数が与えら
   れており、この問題を並列動作が可能な複数の処理装置
   を用いて、目的関数を最小化または最大化する計画を立
   案する方法であって、計画対象要素を生命における遺伝
   子に対応させ、該計画要素の並び又は組合せを染色体に
   対応させ、該染色体を複数生成し、前記複数の処理装置
   に割当て、進化の方向を目的関数の最小化又は最大化に
   定め、各染色体で表わされる計画案を人工生命個体と
   し、各処理装置は与えられた計画許容時間内で該親人工
   生命個体に最小の変異を与えながら、子人工生命個体を
   生成する増殖処理、親人工生命個体と子人工生命個体の
   目的関数値を比較して前記進化方向に近い生命個体を生
   存させる評価淘汰処理、自身の人工生命個体の進化が連
   続して無い場合は、他の処理手段でのより優れた人工生
   命個体を自身に取り込むような自律的軍拡競争処理を行
   ない、前記淘汰処理における進化は、目的関数値が改善
   される進捗のみでなく、目的関数値が悪化する一時的な
   退化を含み、所定時間経過後に全ての処理装置での人工
   生命個体のうち最も目的関数値が進化の方向に近い個体
   を最適計画とすることを特徴とする、計画立案方法。
9. 【請求項９】入力装置と、計画対象となる問題において
   最小化又は最大化を図る項目を表わす目的関数を作成
   し、該目的関数の値を最小化又は最大化する計画を立案
   する並列処理装置と、出力装置とを具備し、前記並列処
   理装置は、数値演算を行なう主演算装置と、情報を記憶
   するロ−カルメモリ−と他装置と情報の交換を行なう通
   信制御装置より成る複数のセルプロセッサと、前記複数
   のセルプロセッサ共通の記憶手段である共有メモリ−
   と、全体を制御する並列制御ユニットより成る、計画立
   案装置により前記立案された計画を出力する計画立案方
   法において、与えられた計画対象となる問題および該問
   題の解決に必要な変数の値を入力し、前記セルプロッセ
   サのうち少なく共１個は時間経過と共に減少する様な値
   で、親計画を漸化的に変異させて生成した子計画と親計
   画の評価値差分値とを比較し、最適解に近い計画を決定
   する為の最適判断値と、時間の経過と共に増大する値
   で、この値より長時間計画の変更が発生していないプロ
   セッサに自律的淘汰タイミングの判断を行なわせる為の
   自律淘汰世代値を前記共有メモリ−に生成し、所定時間
   経過後計画処理全体を終了させる最適判断／淘汰制御を
   行ない、 前記他の複数のセルプロセッサ群は、それぞれ与えられ
   た問題に対して複数の計画案を記憶し、前記与えられた
   親計画案から予め定められた変異操作により新たに子計
   画を生成し、この２種の計画の目的関数値の差分値を計
   算し、前記共有メモリ−上の最適判断値を比較し、前記
   目的関数値の差分が前記共有メモリ−上の最適判断値よ
   り小さい場合には前記親計画を今回立案した子計画に置
   換え、 計画開始時刻より刻時刻までの全てのセルプロセッサで
   増殖された計画案の中で最適な場合は、共有メモリ−上
   に該計画案と該計画評価値をそれぞれベスト計画案とベ
   スト計画評価値として登録し、前記差分値が前記最適判
   断値よりも大である時は、親計画を変更せず、変更が連
   続して発生しなかった時間を示す淘汰世代カウンタ−を
   更新し、該淘汰世代カウンタ−値が、前記共有メモリ−
   上の自律淘汰世代値より大である時は前記共有メモリ−
   上のベスト計画案及びベスト計画評価値を自セルプロッ
   セサ内のロ−カルメモリ−上の親計画案及び親計画評価
   値に置き換える自律的最適化処理を行なうことを特徴と
   する、計画立案方法。
10. 【請求項１０】入力装置と、計画対象となる問題におい
    て最小化又は最大化を図る項目を表わす目的関数を作成
    し、該目的関数の値を最小化又は最大化する計画を立案
    する並列処理装置と、出力装置とを具備し、前記並列処
    理装置は、数値演算を行なう主演算装置と、情報を記憶
    するロ−カルメモリ−と他装置と情報の交換を行なう通
    信制御装置より成る複数のセルプロセッサと、前記複数
    のセルプロセッサ共通の記憶手段である共有メモリ−
    と、全体を制御する並列制御ユニットより成る、計画立
    案装置により、前記立案された計画を出力する計画立案
    方法において、与えられた計画対象となる問題および該
    問題の解決に必要な変数の値を入力し、前記セルプロッ
    セサのうち少なく共１個は時間経過と共に減少する様な
    値で、親計画を漸化的に変異させて生成した子計画と親
    計画の評価値差分値とを比較し、最適解に近い計画を決
    定する為の最適判断値と、時間の経過と共に増大する値
    で、この値より長時間計画の変更が発生していないプロ
    セッサに自律的淘汰タイミングの判断を行なわせる為の
    自律淘汰世代値を前記共有メモリ−に生成し、所定時間
    経過後計画処理全体を終了させる最適判断／淘汰制御を
    行ない、 前記他の複数のセルプロセッサ群は、それぞれ与えられ
    た問題に対して複数の計画案を記憶し、前記与えられた
    親計画案から予め定められた変異操作により新たに子計
    画を生成し、この２種の計画の目的関数値の差分値を計
    算し、前記共有メモリー上の最適判断値を比較し、前記
    目的関数値の差分が前記共有メモリー上の最適判断値よ
    り小さい場合には前記親計画を今回立案した子計画に置
    換え、 前記差分値が前記最適判断値よりも大である時は親計画
    を変更せず、変更が連続して発生しなかった時間を示す
    淘汰世代カウンターを更新し、該淘汰世代カウンター値
    が、前記共有メモリー上の自律淘汰世代値より大である
    時は、該セルプロセッサの位置により定まる自身を含む
    領域範囲内に含まれるセルプロセッサ群で処理されてい
    る計画案の中で最適な評価値を有する計画案を該セルプ
    ロセッサ内のローカルメモリー上の親計画案及び親計画
    評価値に置き換える自律的最適化処理を行なうことを特
    徴とする計画立案方法。