JPH07249023A - 組み合せ最適化方法 - Google Patents
組み合せ最適化方法Info
- Publication number
- JPH07249023A JPH07249023A JP3970694A JP3970694A JPH07249023A JP H07249023 A JPH07249023 A JP H07249023A JP 3970694 A JP3970694 A JP 3970694A JP 3970694 A JP3970694 A JP 3970694A JP H07249023 A JPH07249023 A JP H07249023A
- Authority
- JP
- Japan
- Prior art keywords
- search
- solution
- information
- past
- progress
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【目的】 組み合せ最適化問題をシミュレーティドアニ
ーリング法によって解決する方法に関して、より効率の
良い探索を実現すること可能とする。 【構成】 記憶装置上に設けられた探索経過・結果記憶
部に、シミュレーティドアニーリング法による探索の途
中経過および探索結果が記録される。ここに記録された
過去の探索情報を利用することで、新たな探索を開始す
る際に適切な探索戦略の選択を可能とする。さらに、探
索の途中においても、同様に記録された過去の探索情報
を利用することで、探索を打ち切るかどうかの判断を行
うことを可能とし、探索効率をあげることが可能とな
る。
ーリング法によって解決する方法に関して、より効率の
良い探索を実現すること可能とする。 【構成】 記憶装置上に設けられた探索経過・結果記憶
部に、シミュレーティドアニーリング法による探索の途
中経過および探索結果が記録される。ここに記録された
過去の探索情報を利用することで、新たな探索を開始す
る際に適切な探索戦略の選択を可能とする。さらに、探
索の途中においても、同様に記録された過去の探索情報
を利用することで、探索を打ち切るかどうかの判断を行
うことを可能とし、探索効率をあげることが可能とな
る。
Description
【０００１】
【産業上の利用分野】本発明は、生産計画の最適化問題
やＬＳＩ内部の配置配線問題、経路の最小化問題など、
多くの組み合せ最適化問題解決方法に関する。
やＬＳＩ内部の配置配線問題、経路の最小化問題など、
多くの組み合せ最適化問題解決方法に関する。
【０００２】
【従来の技術】従来のシミュレーティドアニーリング法
は、Ｋｉｒｋｐａｔｒｉｃｋ，Ｇｅｌａｔｔ，Ｖｅｃｃ
ｈｉらの文献（“Ｏｐｔｉｍｉｚａｔｉｏｎ ｂｙ Ｓ
ｉｍｕｌａｔｅｄ Ａｎｎｅａｌｉｎｇ”，Ｓｃｉｅｎ
ｃｅ，Ｖｏｌ．２２０（１９８３），ｐｐ．６７１−６
８０）にあるように、与えられた集合Ｓの要素の中で、
目的関数ｆ（ｘ）を最小にする要素ｘを求めるために、
温度と呼ばれる変数Ｔの値を徐々に下げながら集合Ｓの
中を確率的に探索する方法である。
は、Ｋｉｒｋｐａｔｒｉｃｋ，Ｇｅｌａｔｔ，Ｖｅｃｃ
ｈｉらの文献（“Ｏｐｔｉｍｉｚａｔｉｏｎ ｂｙ Ｓ
ｉｍｕｌａｔｅｄ Ａｎｎｅａｌｉｎｇ”，Ｓｃｉｅｎ
ｃｅ，Ｖｏｌ．２２０（１９８３），ｐｐ．６７１−６
８０）にあるように、与えられた集合Ｓの要素の中で、
目的関数ｆ（ｘ）を最小にする要素ｘを求めるために、
温度と呼ばれる変数Ｔの値を徐々に下げながら集合Ｓの
中を確率的に探索する方法である。
【０００３】探索は、Ｓの中の適当な要素ｘに注目し、
その近傍の要素ｘ′を無作為に選び、ｘおよびｘ′の目
的関数を比較し、ｘ′の方が良ければ（小さければ）注
目要素をｘ′に変更する。また、ｘ′の方が悪い場合に
は、ある確率で注目要素をｘ′に変更する。この確率
は、ｘおよびｘ′の目的関数値の差および温度によって
決定される。ｘおよびｘ′の目的関数値の差が大きい程
その確率は小さくなる。同様に、温度が低い程その確率
は小さくなる。探索処理は、十分高い温度から始めら
れ、徐々に低い温度へと下げられる。
その近傍の要素ｘ′を無作為に選び、ｘおよびｘ′の目
的関数を比較し、ｘ′の方が良ければ（小さければ）注
目要素をｘ′に変更する。また、ｘ′の方が悪い場合に
は、ある確率で注目要素をｘ′に変更する。この確率
は、ｘおよびｘ′の目的関数値の差および温度によって
決定される。ｘおよびｘ′の目的関数値の差が大きい程
その確率は小さくなる。同様に、温度が低い程その確率
は小さくなる。探索処理は、十分高い温度から始めら
れ、徐々に低い温度へと下げられる。
【０００４】特開平２−２１４９７１号公報に示された
方式では、最適解に到達する確率を高めるために、いく
つかの探索の実行結果を記録し、その結果を用いて、目
的関数内の重み係数の値をより適切なものに変えて、よ
り適切な探索を行う方式を採用している。
方式では、最適解に到達する確率を高めるために、いく
つかの探索の実行結果を記録し、その結果を用いて、目
的関数内の重み係数の値をより適切なものに変えて、よ
り適切な探索を行う方式を採用している。
【０００５】
【発明が解決しようとする課題】特開平２−２１４９７
１号公報に示されたような方式を用いて、目的関数内の
重みとして最適なものが得られたとしても、シミュレー
ティドアニーリング法による探索は、確率的であるた
め、必ずしも良い解に到達する訳ではない。従って、探
索を何回も繰り返し実行することが必要となる。ここで
本発明が解決しようとする第一の課題は以下のようなも
のである。単純に探索を繰り返す方法では、各探索の途
中状態において、それ以上その探索を続けてもこれまで
に見つかっている最適解よりも良い解に到達する見通し
がほとんどないといった場合にも、その判断を行うこと
ができず、結局最後まで探索を続行し、探索に失敗する
といった時間的無駄が生じていた。その結果、良い解を
見つけるまでに非常に多くの計算時間がかかるという課
題があった。
１号公報に示されたような方式を用いて、目的関数内の
重みとして最適なものが得られたとしても、シミュレー
ティドアニーリング法による探索は、確率的であるた
め、必ずしも良い解に到達する訳ではない。従って、探
索を何回も繰り返し実行することが必要となる。ここで
本発明が解決しようとする第一の課題は以下のようなも
のである。単純に探索を繰り返す方法では、各探索の途
中状態において、それ以上その探索を続けてもこれまで
に見つかっている最適解よりも良い解に到達する見通し
がほとんどないといった場合にも、その判断を行うこと
ができず、結局最後まで探索を続行し、探索に失敗する
といった時間的無駄が生じていた。その結果、良い解を
見つけるまでに非常に多くの計算時間がかかるという課
題があった。
【０００６】次に本発明が解決しようとする第二の課題
について述べる。従来の手法のように、単純に探索を繰
り返し行うような方法では、ある探索の結果、せっかく
非常に良い解に到達することに成功しても、その探索情
報が生かされず、例えば、その途中状態からその近傍を
再び探索しなおすといったことが不可能であり、せっか
くの成功事例をその後の探索に活用できないという課題
があった。
について述べる。従来の手法のように、単純に探索を繰
り返し行うような方法では、ある探索の結果、せっかく
非常に良い解に到達することに成功しても、その探索情
報が生かされず、例えば、その途中状態からその近傍を
再び探索しなおすといったことが不可能であり、せっか
くの成功事例をその後の探索に活用できないという課題
があった。
【０００７】
【課題を解決するための手段】上記のような課題を解決
するため、第一の本発明は、 シミュレーティドアニー
リング法を用いた組み合せ最適化方法において、探索の
進み具合を示すいくつかのチェックポイントを設け、探
索を行う度に、各チェックポイントにおける途中状態お
よび探索終了時の状態からなる探索履歴を記憶装置上の
探索経過・結果記憶部に記録し、過去の探索情報として
参照可能にしておき、この情報を利用して、探索の途中
において、その探索が最終的に良い解に到達するかどう
かを判断し、到達できないと判断した場合には、その探
索を打ち切ることを特徴とする。
するため、第一の本発明は、 シミュレーティドアニー
リング法を用いた組み合せ最適化方法において、探索の
進み具合を示すいくつかのチェックポイントを設け、探
索を行う度に、各チェックポイントにおける途中状態お
よび探索終了時の状態からなる探索履歴を記憶装置上の
探索経過・結果記憶部に記録し、過去の探索情報として
参照可能にしておき、この情報を利用して、探索の途中
において、その探索が最終的に良い解に到達するかどう
かを判断し、到達できないと判断した場合には、その探
索を打ち切ることを特徴とする。
【０００８】また、第二の本発明は、上記第一の発明で
示した探索経過・結果記憶部に記録した過去の探索情報
を用いて、新たに探索を開始する際に、過去の探索の途
中状態から再探索をするか、あるいは全く新しい探索を
開始するかを決定することを特徴とする。
示した探索経過・結果記憶部に記録した過去の探索情報
を用いて、新たに探索を開始する際に、過去の探索の途
中状態から再探索をするか、あるいは全く新しい探索を
開始するかを決定することを特徴とする。
【０００９】更に、前記過去の探索情報が各チェックポ
イントにおける計算時間に関する情報を有することを特
徴とする。
イントにおける計算時間に関する情報を有することを特
徴とする。
【００１０】
【作用】繰り返し行われるシミュレーティドアニーリン
グ法による探索において、予め設定されるいくつかのチ
ェックポイントに各探索が到達する度に、その時点の探
索状態、その探索においてそれまでに見つかった最も良
い解、その解に対する目的関数の値、そこまでの探索に
要した時間などの情報が記憶装置上の探索経過・結果記
憶部に記録される。そのような過去の探索情報を用い
て、第一の本発明においては、新たな探索がチェックポ
イントに到達する度に、その探索が成功する見込みがあ
るかどうか、つまり、現在の探索をこのまま続けた時に
前回までの探索で得られている最良解よりも良いものが
得られそうかどうか判定が行われる。また、第二の本発
明においては、各探索を開始する際に、全く新たな探索
を行うか、前記の探索経過・結果記憶部に記録されてい
る過去の探索の途中状態から再度探索を行うか、選択さ
れる。
グ法による探索において、予め設定されるいくつかのチ
ェックポイントに各探索が到達する度に、その時点の探
索状態、その探索においてそれまでに見つかった最も良
い解、その解に対する目的関数の値、そこまでの探索に
要した時間などの情報が記憶装置上の探索経過・結果記
憶部に記録される。そのような過去の探索情報を用い
て、第一の本発明においては、新たな探索がチェックポ
イントに到達する度に、その探索が成功する見込みがあ
るかどうか、つまり、現在の探索をこのまま続けた時に
前回までの探索で得られている最良解よりも良いものが
得られそうかどうか判定が行われる。また、第二の本発
明においては、各探索を開始する際に、全く新たな探索
を行うか、前記の探索経過・結果記憶部に記録されてい
る過去の探索の途中状態から再度探索を行うか、選択さ
れる。
【００１１】
【実施例】以下、本発明の一実施例について図面を用い
て説明する。本発明においては、記憶装置上に図１に示
すような探索経過・結果記憶部を置き、シミュレーティ
ドアニーリング法による探索を行う度に、その途中状態
および最終状態における情報が記録される。
て説明する。本発明においては、記憶装置上に図１に示
すような探索経過・結果記憶部を置き、シミュレーティ
ドアニーリング法による探索を行う度に、その途中状態
および最終状態における情報が記録される。
【００１２】繰り返し行われるシミュレーティドアニー
リング法による各探索においては、探索が進むにつれ
て、温度パラメタは徐々に小さい値へと変化していく。
そこで、そのような診断の経過を記録するために、チェ
ックポイントが設定される。チェックポイントは、いく
つかの温度値からなる集合として表現される。各探索時
にそれぞれの温度に到達する度に、その時点での探索状
態が図１に示すような探索結果・経過記憶部に記憶され
る。例えば、チェックポイントの集合が｛２００，１０
０，５０｝の場合には、探索時に温度パラメタが２０
０、１００、５０に達した時に、それぞれの時点での情
報（探索の状態、それまでに得られている最も良い解、
その評価値、その時点までの計算時間など）が記憶され
る。また、探索が終了した時点においても、同様の処理
が行われる。
リング法による各探索においては、探索が進むにつれ
て、温度パラメタは徐々に小さい値へと変化していく。
そこで、そのような診断の経過を記録するために、チェ
ックポイントが設定される。チェックポイントは、いく
つかの温度値からなる集合として表現される。各探索時
にそれぞれの温度に到達する度に、その時点での探索状
態が図１に示すような探索結果・経過記憶部に記憶され
る。例えば、チェックポイントの集合が｛２００，１０
０，５０｝の場合には、探索時に温度パラメタが２０
０、１００、５０に達した時に、それぞれの時点での情
報（探索の状態、それまでに得られている最も良い解、
その評価値、その時点までの計算時間など）が記憶され
る。また、探索が終了した時点においても、同様の処理
が行われる。
【００１３】ここで、上記のように蓄積された過去の探
索情報を用いる第一の本発明の実施例を図２を用いて示
す。上記のような方法で得られた過去ｎ回の探索経過・
結果を用いて、図２に示すように探索打ち切り判定処理
部は、ｎ＋１回目の探索において、探索が各チェックポ
イントに到達する度に、その探索でそれまでの見つかっ
ている最良解の情報などから、現在行っている探索を続
行すべきか打ち切るべきか、判定を行う。
索情報を用いる第一の本発明の実施例を図２を用いて示
す。上記のような方法で得られた過去ｎ回の探索経過・
結果を用いて、図２に示すように探索打ち切り判定処理
部は、ｎ＋１回目の探索において、探索が各チェックポ
イントに到達する度に、その探索でそれまでの見つかっ
ている最良解の情報などから、現在行っている探索を続
行すべきか打ち切るべきか、判定を行う。
【００１４】この例では、５回の探索が終って６回目の
探索を行っている途中の状態を示している。まず、６回
目の探索が温度２００のチェックポイントに達した状態
を考える。ここで、図に示すように、その探索で、その
時点までに見つかっているもっとも良い解（解６１）の
評価値が６４００であったとする。探索打ち切り判定処
理部は、探索結果・経過記憶部に記録されている情報を
用いて探索を続行すべきか打ち切るべきか、判定を行
う。
探索を行っている途中の状態を示している。まず、６回
目の探索が温度２００のチェックポイントに達した状態
を考える。ここで、図に示すように、その探索で、その
時点までに見つかっているもっとも良い解（解６１）の
評価値が６４００であったとする。探索打ち切り判定処
理部は、探索結果・経過記憶部に記録されている情報を
用いて探索を続行すべきか打ち切るべきか、判定を行
う。
【００１５】判定方法の一例としては、その状態の温度
から探索終了時までの解の評価値の改善量を過去の記録
から確率分布として推定する方法があげられる。例えば
図２の例では、過去の５回の実行において、温度２００
のチェックポイントから、診断終了時点までの改善量
は、それぞれ１１００、９００、１４００、５００、９
００であるため、正規分布を仮定すれば、平均μ＝９６
０、分散σ＝３２９となる。この６回目の探索で、温度
が２００に達するまでの段階で見つかっている最も良い
解（解６１）の評価値が６４００であるので、この探索
を続行した場合の最終解の分布を推定すると、平均が６
４００−９６０＝５４４０、分散３２９となる。
から探索終了時までの解の評価値の改善量を過去の記録
から確率分布として推定する方法があげられる。例えば
図２の例では、過去の５回の実行において、温度２００
のチェックポイントから、診断終了時点までの改善量
は、それぞれ１１００、９００、１４００、５００、９
００であるため、正規分布を仮定すれば、平均μ＝９６
０、分散σ＝３２９となる。この６回目の探索で、温度
が２００に達するまでの段階で見つかっている最も良い
解（解６１）の評価値が６４００であるので、この探索
を続行した場合の最終解の分布を推定すると、平均が６
４００−９６０＝５４４０、分散３２９となる。
【００１６】ここで、過去５回の探索で得られている最
も良い解の評価値は、２回目の探索で得られた５３００
であるため、今回の探索で、それ以上の解に到達する可
能性がどの程度あるかという点について考える。５３０
０という値は、前記の５４４０という平均の期待値か
ら、約０．４３σ程度の位置にあるため、この探索を続
行した場合に、最終的に５３００以下の値に到達する可
能性は、正規分布表によれば約３３％であり、十分可能
性があると考えられるため、この探索は続行すべきであ
ると判断される。
も良い解の評価値は、２回目の探索で得られた５３００
であるため、今回の探索で、それ以上の解に到達する可
能性がどの程度あるかという点について考える。５３０
０という値は、前記の５４４０という平均の期待値か
ら、約０．４３σ程度の位置にあるため、この探索を続
行した場合に、最終的に５３００以下の値に到達する可
能性は、正規分布表によれば約３３％であり、十分可能
性があると考えられるため、この探索は続行すべきであ
ると判断される。
【００１７】次に、その探索を続けた結果、温度１００
に達した状態で評価値６１００の解６２が見つかってい
る場合を考える。この場合、温度１００のチェックポイ
ントから、診断終了時点までの過去５回の改善量は、そ
れぞれ３００、２００、２００、３００、１００である
ため、正規分布を仮定すれば、平均μ＝２２０、分散σ
＝８４となる。この６回目の探索では、温度１００の段
階で見つかっている最も良い解の評価値が６１００であ
るので、この探索を続行した場合の最終解の分布を推定
すると、平均が６１００−２２０＝５８８０、分散８４
となる。
に達した状態で評価値６１００の解６２が見つかってい
る場合を考える。この場合、温度１００のチェックポイ
ントから、診断終了時点までの過去５回の改善量は、そ
れぞれ３００、２００、２００、３００、１００である
ため、正規分布を仮定すれば、平均μ＝２２０、分散σ
＝８４となる。この６回目の探索では、温度１００の段
階で見つかっている最も良い解の評価値が６１００であ
るので、この探索を続行した場合の最終解の分布を推定
すると、平均が６１００−２２０＝５８８０、分散８４
となる。
【００１８】ここで、過去５回の探索で得られている最
も良い解の評価値、５３００よりも良い解に到達する確
率を推定すると、５３００という値は、上記の５８８０
という平均の期待値から、約６．９σ程度の位置にある
ため、この探索を続行しても、最終的に５３００以下の
値に到達する可能性は、正規分布表によればほとんど０
に近い値であり、この探索を続けても成功する可能性は
ほとんどないものと考えられ、この探索は打ち切るべき
であるという結論に達する。
も良い解の評価値、５３００よりも良い解に到達する確
率を推定すると、５３００という値は、上記の５８８０
という平均の期待値から、約６．９σ程度の位置にある
ため、この探索を続行しても、最終的に５３００以下の
値に到達する可能性は、正規分布表によればほとんど０
に近い値であり、この探索を続けても成功する可能性は
ほとんどないものと考えられ、この探索は打ち切るべき
であるという結論に達する。
【００１９】このように、探索打ち切り判定処理部は、
過去に行った探索で得られている最も良い解よりも良い
解に到達する確率を推定し、ある一定の値に満たない場
合には、探索を打ち切り、そうでない場合のみ探索を続
行するような判断を行う。
過去に行った探索で得られている最も良い解よりも良い
解に到達する確率を推定し、ある一定の値に満たない場
合には、探索を打ち切り、そうでない場合のみ探索を続
行するような判断を行う。
【００２０】次に、同様に蓄積された過去の探索情報を
用いる第二の本発明の実施例を図３を用いて示す。探索
経過・結果記憶部に記憶された過去ｎ回の探索経過・結
果の情報を用いて、ｎ＋１回目の探索を開始するにあた
って、図３に示すように、どのような探索を開始する
か、判定が行われ、選択される。ここで、選択の対象と
なるのは、全く新たな探索を行うか、あるいは、過去の
探索の途中状態から先を再探索するか、という探索戦略
である。
用いる第二の本発明の実施例を図３を用いて示す。探索
経過・結果記憶部に記憶された過去ｎ回の探索経過・結
果の情報を用いて、ｎ＋１回目の探索を開始するにあた
って、図３に示すように、どのような探索を開始する
か、判定が行われ、選択される。ここで、選択の対象と
なるのは、全く新たな探索を行うか、あるいは、過去の
探索の途中状態から先を再探索するか、という探索戦略
である。
【００２１】ここで、上記のような各探索戦略に対し
て、探索経過・結果記憶部に記憶されている情報を基
に、探索戦略決定部が、どの探索戦略を採用するか選択
を行う。
て、探索経過・結果記憶部に記憶されている情報を基
に、探索戦略決定部が、どの探索戦略を採用するか選択
を行う。
【００２２】例えば、図３の例は、過去に５回の探索が
行われ、第６回目の探索の戦略を決定する場面である。
可能な探索戦略としては、過去の５回の探索において、
探索が２００、１００、５０の３つのチェックポイント
に到達した時点の状態からの再探索と、全く新しい探索
を開始するという合計１６（５×３＋１）通りの候補が
考えられる。
行われ、第６回目の探索の戦略を決定する場面である。
可能な探索戦略としては、過去の５回の探索において、
探索が２００、１００、５０の３つのチェックポイント
に到達した時点の状態からの再探索と、全く新しい探索
を開始するという合計１６（５×３＋１）通りの候補が
考えられる。
【００２３】そのような候補の中から探索戦略決定部
は、探索経過・結果記憶部に記憶されている情報を用い
てひとつの戦略を選択する。
は、探索経過・結果記憶部に記憶されている情報を用い
てひとつの戦略を選択する。
【００２４】選択方式の一例として、次のような方式が
あげられる。それは、過去の探索で見つかっている最も
良い解の評価値（この例では、２回目の探索で得られた
解の５３００）よりも良い解に到達する確率を各探索戦
略に対して推定するものである。
あげられる。それは、過去の探索で見つかっている最も
良い解の評価値（この例では、２回目の探索で得られた
解の５３００）よりも良い解に到達する確率を各探索戦
略に対して推定するものである。
【００２５】例えば、前述の図２の例と同様に、正規分
布を仮定すると、過去５回の探索で、温度２００の点か
ら探索終了時までの最良解評価値の改善量は、平均９６
０、分散３２９と推定される。これらの分布を用いる
と、例えば、１回目の探索の温度２００の時点からの探
索を使用する乱数を変えて再実行した場合、最終的に得
られる解の評価値は、平均５６４０、分散３２９という
確率分布で推定される。同様に２回目の探索の温度２０
０の時点からの探索については、平均５２４０、分散３
２９という確率分布が得られる。これらの各分布を用い
て、過去の最良解５３００よりも良い解へ到達する確率
を求めると、前者の場合には約１５％、後者の場合には
約５７％となる。この場合には、後者の方が、今までに
見つかった解よりも良い解を見つけることに成功する可
能性が大きいと判断される。
布を仮定すると、過去５回の探索で、温度２００の点か
ら探索終了時までの最良解評価値の改善量は、平均９６
０、分散３２９と推定される。これらの分布を用いる
と、例えば、１回目の探索の温度２００の時点からの探
索を使用する乱数を変えて再実行した場合、最終的に得
られる解の評価値は、平均５６４０、分散３２９という
確率分布で推定される。同様に２回目の探索の温度２０
０の時点からの探索については、平均５２４０、分散３
２９という確率分布が得られる。これらの各分布を用い
て、過去の最良解５３００よりも良い解へ到達する確率
を求めると、前者の場合には約１５％、後者の場合には
約５７％となる。この場合には、後者の方が、今までに
見つかった解よりも良い解を見つけることに成功する可
能性が大きいと判断される。
【００２６】一方、再探索ではなく、新たな探索を行う
場合についても、探索経過・結果記憶部に記憶されてい
る過去の探索の最終結果の情報を用いて、その分布を求
めることが可能であり、同様の推定・評価が可能であ
る。このようにして全ての場合（この例では１６通りの
場合）について評価を行い、最も良い（推定確率の最も
高い）ものが選択される。
場合についても、探索経過・結果記憶部に記憶されてい
る過去の探索の最終結果の情報を用いて、その分布を求
めることが可能であり、同様の推定・評価が可能であ
る。このようにして全ての場合（この例では１６通りの
場合）について評価を行い、最も良い（推定確率の最も
高い）ものが選択される。
【００２７】また、選択に用いる基準としては、このよ
うに「過去の最良解よりも良い解を得る確率」を用いる
方法以外にも、例えば、「過去の最良解よりもどのくら
い良い解が得られそうか」という期待値を採用すること
も可能である。例えば前記のような確率値しか用いない
場合には、過去の最良解よりもどの程度良い解に到達し
そうであるかといった点まで考慮した推定は行われてい
ないが、期待値を用いる方式では、改善確率の推定値が
同じ１０％であっても、その改善量が小幅であるような
探索戦略と、より大幅な改善が期待できる探索戦略の区
別が可能となる。
うに「過去の最良解よりも良い解を得る確率」を用いる
方法以外にも、例えば、「過去の最良解よりもどのくら
い良い解が得られそうか」という期待値を採用すること
も可能である。例えば前記のような確率値しか用いない
場合には、過去の最良解よりもどの程度良い解に到達し
そうであるかといった点まで考慮した推定は行われてい
ないが、期待値を用いる方式では、改善確率の推定値が
同じ１０％であっても、その改善量が小幅であるような
探索戦略と、より大幅な改善が期待できる探索戦略の区
別が可能となる。
【００２８】さらに、経過探索・結果記憶部に記録され
ている計算時間に関する情報を用いて、「単位時間あた
りの前記改善量の期待値」といった基準を採用すること
も可能である。一般に、低い温度からの再探索は計算時
間があまりかからないことを考慮して、多少探索能力の
期待値は低くても計算時間がかからないという探索戦略
を選択するといったことが可能となる。
ている計算時間に関する情報を用いて、「単位時間あた
りの前記改善量の期待値」といった基準を採用すること
も可能である。一般に、低い温度からの再探索は計算時
間があまりかからないことを考慮して、多少探索能力の
期待値は低くても計算時間がかからないという探索戦略
を選択するといったことが可能となる。
【００２９】
【発明の効果】以上説明したように本発明によれば、過
去の探索の最終結果のみならず、途中結果も利用するこ
とが可能となるため、探索の途中で、その探索が成功す
る見込みがあるかどうか、探索経過・結果記憶部に記録
されている情報を基に判定することが可能となり、探索
の効率をあげることが可能となる。また、探索を開始す
るにあたっては、どの状態からの再探索をするか、ある
いは、全く新たな探索を行うか、といった探索戦略の選
択を探索経過・結果記憶部に記録されている情報を基に
行うことが可能となり、効率のよい探索が可能となる。
去の探索の最終結果のみならず、途中結果も利用するこ
とが可能となるため、探索の途中で、その探索が成功す
る見込みがあるかどうか、探索経過・結果記憶部に記録
されている情報を基に判定することが可能となり、探索
の効率をあげることが可能となる。また、探索を開始す
るにあたっては、どの状態からの再探索をするか、ある
いは、全く新たな探索を行うか、といった探索戦略の選
択を探索経過・結果記憶部に記録されている情報を基に
行うことが可能となり、効率のよい探索が可能となる。
【図１】本発明において記憶装置上に設けられる探索経
過・結果記憶部の説明図。
過・結果記憶部の説明図。
【図２】本発明の一実施例の構成図。
【図３】本発明の一実施例の構成図。
なし
Claims (3)
- 【請求項１】シミュレーティドアニーリング法を用いた
組み合せ最適化方法において、探索の進み具合を示すい
くつかのチェックポイントを設け、探索を行う度に、各
チェックポイントにおける途中状態および探索終了時の
状態からなる探索履歴を記憶装置上の探索経過・結果記
憶部に記録し、過去の探索情報として参照可能にしてお
き、この情報を利用して、探索の途中において、その探
索が最終的に良い解に到達するかどうかを判断し、到達
できないと判断した場合には、その探索を打ち切ること
を特徴とする組み合せ最適化方法。 - 【請求項２】探索経過・結果記憶部に記録した過去の探
索情報を用いて、新たに探索を開始する際に、過去の探
索の途中状態から再探索をするか、あるいは全く新しい
探索を開始するかを決定することを特徴とする請求項１
に記載の組み合せ最適化方法。 - 【請求項３】前記過去の探索情報が各チェックポイント
における計算時間に関する情報を有することを特徴とす
る請求項１又は２に記載の組み合せ最適化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3970694A JPH07249023A (ja) | 1994-03-10 | 1994-03-10 | 組み合せ最適化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3970694A JPH07249023A (ja) | 1994-03-10 | 1994-03-10 | 組み合せ最適化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07249023A true JPH07249023A (ja) | 1995-09-26 |
Family
ID=12560454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3970694A Pending JPH07249023A (ja) | 1994-03-10 | 1994-03-10 | 組み合せ最適化方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07249023A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7653618B2 (en) | 2007-02-02 | 2010-01-26 | International Business Machines Corporation | Method and system for searching and retrieving reusable assets |
| WO2020054021A1 (ja) | 2018-09-13 | 2020-03-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
-
1994
- 1994-03-10 JP JP3970694A patent/JPH07249023A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7653618B2 (en) | 2007-02-02 | 2010-01-26 | International Business Machines Corporation | Method and system for searching and retrieving reusable assets |
| WO2020054021A1 (ja) | 2018-09-13 | 2020-03-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7076477B2 (en) | Fast and robust optimization of complex database queries | |
| US6266656B1 (en) | Classification apparatus | |
| US9792827B2 (en) | Providing questions to entity groups | |
| CN110378419A (zh) | 一种图像集扩充方法、装置、设备及可读存储介质 | |
| US7451388B1 (en) | Ranking search engine results | |
| EP3872656A1 (en) | Information processing apparatus, information processing method, and program | |
| US6321163B1 (en) | Method and apparatus for analyzing nucleic acid sequences | |
| CN116383816A (zh) | 一种基于遗传算法的安卓恶意软件检测特征选择方法 | |
| WO2009063469A2 (en) | Adaptive electronic learning system and method | |
| JPH07249023A (ja) | 組み合せ最適化方法 | |
| Tang et al. | A modified genetic algorithm for the flow shop sequencing problem to minimize mean flow time | |
| US6496877B1 (en) | Method and apparatus for scheduling data accesses for random access storage devices with shortest access chain scheduling algorithm | |
| US20150058272A1 (en) | Event correlation detection system | |
| CN116628443B (zh) | 一种poa-svm变压器故障诊断方法及电子设备 | |
| CN110209708B (zh) | 一种基于数组存储的序列模式挖掘方法 | |
| CN103793626A (zh) | 碱基序列比对系统及方法 | |
| JPH09204310A (ja) | 判断規則修正装置と判断規則修正方法 | |
| US6772152B2 (en) | System and method for mining patterns from a dataset | |
| CN115543762A (zh) | 一种磁盘smart数据扩充方法、系统及电子设备 | |
| Hogg | Exploiting problem structure as a search heuristic | |
| CN112163087B (zh) | 对话系统中意图冲突的解决方法、系统及装置 | |
| CN111723834B (zh) | 语音深度学习训练方法及装置 | |
| US20030109940A1 (en) | Device, storage medium and a method for detecting objects strongly resembling a given object | |
| JPH09114849A (ja) | 木探索装置及び木探索方法 | |
| US6917927B2 (en) | Method for indexing feature vector data space |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19980407 |