JPH11250030A - 進化型アルゴリズム実行システムおよびそのプログラム記録媒体 - Google Patents

進化型アルゴリズム実行システムおよびそのプログラム記録媒体

Info

Publication number
JPH11250030A
JPH11250030A JP10046626A JP4662698A JPH11250030A JP H11250030 A JPH11250030 A JP H11250030A JP 10046626 A JP10046626 A JP 10046626A JP 4662698 A JP4662698 A JP 4662698A JP H11250030 A JPH11250030 A JP H11250030A
Authority
JP
Japan
Prior art keywords
execution
evolutionary algorithm
algorithm
progress
evolutionary
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.)
Withdrawn
Application number
JP10046626A
Other languages
English (en)
Inventor
Yukiko Yoshida
由起子 吉田
Munemori Adachi
統衛 安達
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP10046626A priority Critical patent/JPH11250030A/ja
Priority to US09/161,984 priority patent/US6263325B1/en
Publication of JPH11250030A publication Critical patent/JPH11250030A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

(57)【要約】 【課題】進化型アルゴリズム実行システムに関し，進化
型アルゴリズムの実行にユーザが積極的に関与し，進化
型アルゴリズムの実行性能を効果的に向上させることが
できるようにする。 【解決手段】実行装置10とインタフェース装置20とが，
ネットワーク30を介して接続される。インタフェース装
置20で設定された実行条件の下で，実行装置10上で進化
型アルゴリズムが実行される。進化型アルゴリズムのス
テップの進行は，インタフェース装置20から制御され
る。実行経過は，実行装置10からインタフェース装置20
へ送信され，インタフェース装置20上で視覚化処理さ
れ，その処理結果が画面表示される。インタフェース装
置20上で視覚化表示された進化型アルゴリズムに関する
オブジェクトには，表示画面上で変化を加えることがで
き，さらにその変化内容は実行装置10上で実行中の進化
型アルゴリズムに反映される。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は，進化型アルゴリズ
ム（ＥＡ；Evolutionary Algorithm）を用いて与えられ
た問題の最適解または準最適解を求める計算機技術に係
り，特に実行装置上で実行される進化型アルゴリズムの
実行条件の設定およびステップの進行を，インタフェー
ス装置から制御する進化型アルゴリズム実行システムお
よびそのプログラム記録媒体に関する。
【０００２】進化型アルゴリズムの適用分野は，ＬＳＩ
配置，画像処理，スケジューリング，データベースの分
類等，多岐にわたっている。
【０００３】
【従来の技術】進化型アルゴリズム（Evolutionary Alg
orithm）は，生物の進化をモデルにした問題解決アルゴ
リズムの総称である。典型的な進化型アルゴリズムのメ
カニズムは，与えられた問題に対する解の候補を‘個
体’とみなし，個体群で構成される‘集団’に対し‘選
択’，‘交配’等のステップを経て，集団全体を‘進化
させる’，すなわち最適解（あるいは準最適解，実行可
能解）へと近付けるというものである。
【０００４】例えば，進化型アルゴリズムとして特に代
表的な遺伝アルゴリズム（ＧＡ；Genetic Algorithm)
は，与えられた問題に対する解の候補群を，それぞれ染
色体とみなされる文字列に変換し，解（＝染色体）の良
さの尺度としての適応度関数を定義し，染色体集団内
で，適応度に基づく選択・交叉・突然変異等の遺伝的操
作とみなされる文字列の変更操作を加える。これらの一
連の遺伝的操作は１世代とみなされ，染色体集団が全体
でより良い解へと向かうように何世代か経過させる。こ
のように，何世代も一連の遺伝的操作のステップを繰り
返すことにより，染色体集団全体の中に適応度の高いも
のが多く現れるようになり，最終的に最適解または準最
適解が得られるようになる。なお，進化型アルゴリズム
および遺伝アルゴリズムのより詳細な説明については，
北野宏明編「遺伝的アルゴリズム」（産業図書ＩＳＢＮ
４−７８２８−５１３６−７）を参照されたい。
【０００５】進化型アルゴリズムは，さまざまな種類の
問題に適用でき，また，従来法では解くことが困難であ
るとされてきた大規模，複雑問題でも（準）最適解や実
行可能解を求めることができるという特長を持つとされ
ている。
【０００６】ところで，進化型アルゴリズムにおいて
は，その実行性能を高めるために，与えられた問題毎に
アルゴリズム実行時に設定すべきパラメタ群（実行条
件）が存在する。例えば，標準的な遺伝アルゴリズムに
おいては，染色体表現方法，適応度関数，選択方法，交
叉方法，突然変異方法等の実行条件が存在する。
【０００７】最良の実行性能が得られるための実行条件
の組み合わせは，その問題の種類・規模等に依存し，そ
の調整には通常，ユーザの経験ならびにアルゴリズム実
行の反復に頼ることとなる。進化型アルゴリズムの実行
条件を調整し，実行性能を上げるためには，進化型アル
ゴリズムの挙動をよく把握することが望ましいとされる
ものの，進化型アルゴリズムが特徴とする‘集団の進
化’という空間的分布・時間的変化の表現を取り扱うこ
とは容易ではない。
【０００８】従来，進化型アルゴリズムの挙動（ならび
に実行性能）を表現する一手段として，視覚化が非常に
よく利用されている。進化型アルゴリズムの挙動を視覚
化することによって，例えば進化型アルゴリズムにおけ
る各個体の解表現や解の良さの尺度（適応度）を解空間
上や時間軸上にプロットするなどにより，比較的大規模
な問題領域，大集団・長時間の進化型アルゴリズム実行
に対しても，その挙動を直観的に表現して見せることが
できる。
【０００９】進化型アルゴリズムのための視覚化技法は
各種考案されており，例えば，特開平９−３０５５６５
号公報「遺伝アルゴリズム解析表示処理装置」には，遺
伝アルゴリズムのための各種技法による視覚化表示を提
供するのみならず，実行条件の入力，保存および遺伝ア
ルゴリズムの実行を統合化し，それによってユーザが効
率的に実行条件を調整し，実行性能を上げることができ
るように考案されたものが開示されている。
【００１０】
【発明が解決しようとする課題】しかしながら，問題の
規模あるいは進化型アルゴリズム自体の規模（集団サイ
ズ，世代数等）が非常に大きい場合に必要とされるよう
な，高速な演算能力および必要によっては進化型アルゴ
リズムの進化の詳細な記録を残しておくための十分なデ
ィスク容量を持つ計算機では，進化型アルゴリズムの挙
動を視覚化するための装置に期待されるようなグラフィ
ックス能力が必ずしも備わっていないのが現状であり，
進化型アルゴリズムの実行と視覚化表示とを同一の計算
機で処理することが困難な場合がある。
【００１１】また，従来技術では，進化型アルゴリズム
の実行経過を視覚化表示していても，その表示を見てす
ぐさま実行条件を変更できる機能が備わっていないな
ど，視覚化表示機能が進化型アルゴリズムの実行性能の
向上に効果的に連動していないのが現状である。
【００１２】本発明は上記問題点の解決を図り，進化型
アルゴリズムの実行にユーザが積極的に関与し，進化型
アルゴリズムの実行性能を効果的にダイナミックに向上
させることができるようにする手段を提供することを目
的とする。
【００１３】
【課題を解決するための手段】上記の問題点を解決する
ために，本発明では，進化型アルゴリズムの実行と視覚
化表示とをネットワークでつながれた別々の計算機上で
処理できるようにする。ここでは進化型アルゴリズムの
実行が処理される計算機を実行装置，視覚化表示が処理
される計算機をインタフェース装置と呼ぶことにする。
【００１４】さらに，進化型アルゴリズムの実行条件お
よびステップの進行制御方法を，進化型アルゴリズムの
実行途中でインタフェース装置上で制御できるようにす
る。進化型アルゴリズムのステップの進行制御方法と
は，進化型アルゴリズムを自動進行させたり，任意のス
テップで一時停止させたり，１ステップあるいは数ステ
ップごとに一時停止させたりするものである。またさら
に，実行経過の表示画面上で進化型アルゴリズムのオブ
ジェクト（遺伝アルゴリズムにおける視覚化された個体
など）を移動させ，その変更を実行中の進化型アルゴリ
ズムに反映させる手段を設ける。ここで，進化型アルゴ
リズムのステップとは，例えば遺伝アルゴリズムにおけ
る１世代もしくは数世代を意味するが，１世代における
交叉もしくは突然変異というような一つの遺伝的操作で
あってもよい。
【００１５】これにより，進化型アルゴリズムの実行を
高速演算のできる計算機で，実行結果の視覚化表示をグ
ラフィックスに向いた計算機で，分担して処理すること
ができ，視覚化表示を参照しつつ実行条件を効果的に変
更していくことができ，ユーザが進化型アルゴリズムの
進化に積極的に関与して，進化型アルゴリズムの進化を
促進できるようになる。
【００１６】
【発明の実施の形態】図１は，本発明の構成例を示す図
である。進化型アルゴリズム実行装置１０は，１台もし
くは複数台のＣＰＵおよびメモリなどからなり，進化型
アルゴリズムを実行する装置である。進化型アルゴリズ
ム実行装置１０は，進化型アルゴリズムのインタフェー
ス装置２０とネットワーク３０を介して接続され，進化
型アルゴリズムの実行経過を送信し，進化型アルゴリズ
ムの実行条件，ステップの進行制御方法，オブジェクト
の変更内容等の情報を受信する。
【００１７】進化型アルゴリズムのインタフェース装置
２０は，進化型アルゴリズム実行装置１０において実行
される進化型アルゴリズムへのインタフェースを提供す
る装置である。そのインタフェースは，実行条件設定・
変更，ステップ制御，視覚化処理およびオブジェクト変
更処理等で構成されている。この装置２０は，進化型ア
ルゴリズム実行装置１０とネットワーク３０を介して接
続され，進化型アルゴリズムの実行経過を受信し，進化
型アルゴリズムの実行条件，ステップの進行制御方法，
オブジェクトの変更内容等の情報を送信する。
【００１８】ネットワーク３０は，進化型アルゴリズム
実行装置１０および進化型アルゴリズムのインタフェー
ス装置２０を接続するものである。入力装置４０は，例
えばキーボードやマウス等であり，インタフェース装置
制御部２１への制御命令を入力するものである。
【００１９】表示装置５０は，進化型アルゴリズムのイ
ンタフェース装置２０が提供するインタフェースを視覚
的に表示したり，同じく進化型アルゴリズムのインタフ
ェース装置２０が提供する進化型アルゴリズムの実行経
過の視覚化処理結果を表示したりするものである。
【００２０】実行装置制御部１１は，進化型アルゴリズ
ム実行装置１０における各種制御を受け持つ部分であ
り，進化型アルゴリズム実行部１２および設定情報・実
行経過記憶部１３に対する処理を制御したり，ネットワ
ーク３０を介して進化型アルゴリズムのインタフェース
装置２０へ進化型アルゴリズムの実行経過を送ったり，
進化型アルゴリズムのインタフェース装置２０から進化
型アルゴリズムの実行条件，ステップの進行制御方法，
オブジェクトの変更内容等の情報を受け取ったりするも
のである。
【００２１】進化型アルゴリズム実行部１２は，進化型
アルゴリズムを実行する部分である。設定情報・実行経
過記憶部１３は，実行装置制御部１１を介して得られる
進化型アルゴリズムの実行条件やステップの進行制御方
法，オブジェクトの変更内容を記憶したり，進化型アル
ゴリズム実行部１２から得られる進化型アルゴリズムの
実行経過を記憶する部分である。
【００２２】インタフェース装置制御部２１は，進化型
アルゴリズムのインタフェース装置２０における各種制
御を受け持つ部分であり，実行条件設定部２２，実行条
件変更部２３，ステップ制御設定部２４，ステップ制御
部２５，ステップ制御設定変更部２６，視覚化処理部２
７およびオブジェクト変更処理部２８の処理を制御した
り，ネットワーク３０を介して進化型アルゴリズム実行
装置１０から進化型アルゴリズムの実行経過を受け取っ
たり，進化型アルゴリズム実行装置１０へ進化型アルゴ
リズムの実行条件，ステップの進行制御方法，オブジェ
クトの変更内容等の情報を送ったりするものである。
【００２３】実行条件設定部２２は，進化型アルゴリズ
ムの実行条件の設定を処理する部分である。実行条件変
更部２３は，進化型アルゴリズムの実行途中での実行条
件の変更を処理する部分である。
【００２４】ステップ制御設定部２４は，進化型アルゴ
リズムのステップの進行制御方法を設定する部分であ
る。ステップ制御部２５は，進化型アルゴリズムのステ
ップの進行を制御する部分である。
【００２５】ステップ制御設定変更部２６は，進化型ア
ルゴリズムの実行途中でのステップの進行制御方法を変
更する部分である。視覚化処理部２７は，進化型アルゴ
リズムの実行経過を視覚化処理する部分である。
【００２６】オブジェクト変更処理部２８は，視覚化処
理部２７によって視覚化処理され，表示装置５０上に表
示された進化型アルゴリズムの実行経過に関するオブジ
ェクトについて，入力装置４０を用いて変更されたもの
を処理する部分である。
【００２７】〔実行条件およびステップの進行制御方法
の設定〕図１に示すシステムでは，進化型アルゴリズム
実行装置１０および進化型アルゴリズムのインタフェー
ス装置２０をネットワーク３０を介して接続し，進化型
アルゴリズムのインタフェース装置２０内の実行条件設
定部２２において設定された実行条件，およびステップ
制御設定部２４において設定されたステップの進行制御
方法を，進化型アルゴリズム実行装置１０へ送信し，そ
の実行条件およびステップの進行制御方法に基づいて，
進化型アルゴリズム実行装置１０内の進化型アルゴリズ
ム実行部１２において進化型アルゴリズムを実行し，そ
の実行経過を進化型アルゴリズム実行装置１０から進化
型アルゴリズムのインタフェース装置２０へ送信し，そ
の実行経過を進化型アルゴリズムのインタフェース装置
２０内の視覚化処理部２７において視覚化処理し，その
処理結果を表示装置５０上に画面表示する。また，必要
に応じて，進化型アルゴリズムのインタフェース装置２
０内のステップ制御部２５により進化型アルゴリズムの
ステップの進行を制御する。
【００２８】ステップ制御設定部２４において設定され
るステップの進行制御方法は，進化型アルゴリズムをノ
ン・ストップで進行させたり，任意のステップで一時停
止させたり，１ステップあるいは数ステップごとに一時
停止させたりというように設定することができるように
するものである。なお，進化型アルゴリズムの実行経過
の送受信および視覚化表示のタイミングについては，ス
テップ制御設定部２４においてステップの進行制御方法
と独立に設定できるようにしてもよいし，ステップの制
御と連動して送受信・視覚化表示するように設定しても
よい。
【００２９】以上のように，進化型アルゴリズムの実行
と，その制御のためのインタフェースおよび視覚化表示
とを，ネットワーク３０でつながれた別々の計算機上で
処理することにより，進化型アルゴリズムの実行を高速
演算のできる計算機（進化型アルゴリズム実行装置１
０）で，実行結果の視覚化表示をグラフィックスに向い
た計算機（進化型アルゴリズムのインタフェース装置２
０）で，分担して処理することができる。
【００３０】図２は，本発明の実施の形態における実行
条件およびステップの進行制御方法の設定を説明するた
めの図であり，図３は，実行経過の視覚化を説明するた
めの図である。
【００３１】進化型アルゴリズムのインタフェース装置
２０内の実行条件設定部２２は，進化型アルゴリズムの
実行条件を設定するためのインタフェースを提供する。
この例において設定されるべき実行条件（およびその設
定値）は，図２に示す表示装置５０における実行条件設
定画面５１では，集団サイズ（１２），選択方法（ルー
レット・ホイール），交叉方法（２点交叉），交叉率
（０．６），突然変異方法（０−１反転），突然変異率
（０．０１）等になっている。これらの実行条件の設定
情報は，図１に示すインタフェース装置制御部２１から
ネットワーク３０を経て，進化型アルゴリズム実行装置
１０内の実行装置制御部１１へ送られ，設定情報・実行
経過記憶部１３に蓄えられる。
【００３２】進化型アルゴリズムのインタフェース装置
２０内のステップ制御設定部２４は，進化型アルゴリズ
ムのステップの進行制御方法を設定するためのインタフ
ェースを提供する。この例においては，図２に示す表示
装置５０におけるステップ制御設定画面５２のように，
ステップの進行制御方法として，例えば「ノン・ストッ
プ」あるいは「指定ステップごとに一時停止」が選択で
きるようになっており，図２の例での設定値は「指定ス
テップごとに一時停止」（指定ステップ数＝１）になっ
ている。このステップ制御設定情報は，インタフェース
装置制御部２１からネットワーク３０を経て，進化型ア
ルゴリズム実行装置１０内の実行装置制御部１１へ送ら
れ，設定情報・実行経過記憶部１３に蓄えられる。
【００３３】進化型アルゴリズム実行装置１０内の進化
型アルゴリズム実行部１２は，設定情報・実行経過記憶
部１３に蓄えられた実行条件およびステップ制御設定情
報に基づいて進化型アルゴリズムを実行し，その実行経
過を設定情報・実行経過記憶部１３に蓄える。
【００３４】進化型アルゴリズムのインタフェース装置
２０内のステップ制御部２５は，進化型アルゴリズム実
行装置１０内の進化型アルゴリズム実行部１２で実行さ
れる進化型アルゴリズムのステップ進行制御のインタフ
ェースを提供する。
【００３５】図２の例におけるステップ制御のためのイ
ンタフェースは，表示装置５０におけるステップ制御画
面５３のように，例えば「一時停止」，「再開」および
「中止」の制御命令を発する３つのボタンで構成されて
おり，そのいずれかのボタンが押されたことをステップ
制御部２５が検出すると，その該当する制御命令がイン
タフェース装置制御部２１からネットワーク３０を経
て，進化型アルゴリズム実行装置１０内の実行装置制御
部１１へ送られ，それに従って，進化型アルゴリズム実
行部１２で実行される進化型アルゴリズムのステップの
進行が制御される。
【００３６】進化型アルゴリズム実行部１２は，図３に
示すように進化型アルゴリズムの実行経過を，逐次，設
定情報・実行経過記憶部１３に蓄える。設定情報・実行
経過記憶部１３に蓄えられた進化型アルゴリズムの実行
経過は，実行装置制御部１１からネットワーク３０を経
て，進化型アルゴリズムのインタフェース装置２０内の
インタフェース装置制御部２１に送られ，実行経過をも
とに視覚化処理部２７で視覚化のための処理が行われ，
表示装置５０に視覚化表示される。
【００３７】図３の例では，現在，進化型アルゴリズム
の実行がステップ４まで進んでおり，実行経過視覚化表
示５４では，ステップ４における解空間上の個体分布が
表示されている。また，実行経過視覚化表示５５では，
ステップ進行に伴う適応度の推移が，各ステップごとの
適応度の最大値，平均値，最小値の変化を示すグラフで
もって表示されている。なお，進化型アルゴリズムの実
行経過についての視覚化技法には，これ以外にもさまざ
まな種類があり，本発明における視覚化表示は，このよ
うな基本的な解空間上の個体分布の表示またはステップ
進行に伴う適応度の推移の表示に限られるわけではな
い。
【００３８】〔実行条件の動的変更〕次に，実行条件を
動的に変更する例を説明する。進化型アルゴリズムの実
行条件は，進化型アルゴリズムの実行途中で進化型アル
ゴリズムのインタフェース装置２０内の実行条件変更部
２３によって動的に変更することができる。例えば，
０．０１と初期設定した遺伝アルゴリズムの突然変異率
が小さいため，染色体集団における個体の適応度の改善
が遅いと思われるような場合には，突然変異率を０．０
１から０．０５に上げるなどして，適応度の最大値，平
均値，最小値などの変化を確認しながら，適応度が効果
的に改善されるように調整することができる。
【００３９】このように，進化型アルゴリズムの実行条
件を実行途中で変更できることにより，進化型アルゴリ
ズムの実行経過の視覚化表示を参照しながら，対話的に
進化型アルゴリズムの進化能力を向上させることができ
る。
【００４０】図４および図５は，実行条件の動的変更を
説明するための図である。この図に描かれていないその
他の部分は，前述した例と同様である。例えば図４
（Ａ）に示すように，進化型アルゴリズムの初期の実行
条件として，図２の例と同様に，実行条件設定部２２に
おいて，集団サイズ（１２），選択方法（ルーレット・
ホイール），交叉方法（２点交叉），交叉率（０．
６），突然変異方法（０−１反転），突然変異率（０．
０１）等が設定され，それらが他の進化型アルゴリズム
の情報と共に，図５（Ａ）に示すように，設定情報・実
行経過記憶部１３に記憶されている。
【００４１】ここで，ステップ５の開始前に実行条件が
変更されるものとする。その作業は，進化型アルゴリズ
ムのインタフェース装置２０の実行条件変更部２３にお
いて行われる。取り扱う実行条件の種類は共通であるか
ら，実行条件変更部２３のインタフェースは，実行条件
設定部２２と同様のものでよい。図４（Ｂ）の例では，
実行条件のうち，選択方法がルーレット・ホイールから
ランキング法に，突然変異率が０．０１から０．０５に
変更されている。その変更内容は，進化型アルゴリズム
実行装置１０へ送られ，図５（Ｂ）に示すように，設定
情報・実行経過記憶部１３に記憶される。これにより，
ステップ５以降は，この新たな実行条件に従って進化型
アルゴリズムが実行される。
【００４２】〔ステップの進行制御方法の動的変更〕次
に，進化型アルゴリズムのステップの進行制御方法を動
的に変更する例を説明する。
【００４３】進化型アルゴリズムのステップの進行制御
方法は，進化型アルゴリズムの実行途中で進化型アルゴ
リズムのインタフェース装置２０内のステップ制御設定
変更部２６から動的に変更することができる。例えば，
１ステップごとの一時停止を５ステップごとの一時停止
に変更するなどして，進化型アルゴリズムの一度の実行
ステップ数を増減することができる。
【００４４】このように，進化型アルゴリズムの進行制
御方法を実行途中で変更できることにより，進化型アル
ゴリズムの実行経過の視覚化表示を効率化することがで
きる。
【００４５】図６は，ステップの進行制御方法の動的変
更を説明するための図である。この図に描かれていない
その他の部分は，前述した例と同様である。図６（Ａ）
に示すように，進化型アルゴリズムの初期のステップの
進行制御方法として，図２の例と同様に，ステップ制御
設定部２４において「１ステップごとに一時停止」が設
定され，それが他の進化型アルゴリズムの情報と共に，
図６（Ｂ）に示すように，設定情報・実行経過記憶部１
３に記憶されている。
【００４６】ここで，ステップ５の開始前に，この初期
のステップ制御設定が変更されるものとする。その作業
は，ステップ制御設定変更部２６において行われる。取
り扱うステップの進行制御方法の種類は共通であるか
ら，ステップ制御設定変更部２６のインタフェースは，
ステップ制御設定部２４と同様のものでよい。この例に
おいては，図６（Ｃ）に示すように「１ステップごとに
一時停止」が「５ステップごとに一時停止」に変更され
ている。その変更内容は，進化型アルゴリズム実行装置
１０へ送られ，図６（Ｄ）に示すように設定情報・実行
経過記憶部１３に記憶される。これにより，ステップ５
以降は，５ステップごとに進化型アルゴリズムの実行が
一時停止されるようになる。
【００４７】〔オブジェクトの変更〕次に，進化型アル
ゴリズムのオブジェクトを，ユーザの指示より強制的に
変更する例を説明する。進化型アルゴリズムのオブジェ
クトとは，例えば遺伝アルゴリズムにおける視覚化され
た個体などである。
【００４８】表示装置５０上に視覚化表示された進化型
アルゴリズムの実行経過に見られる進化型アルゴリズム
のオブジェクトに，マウスやキーボード等の入力装置４
０を介して視覚的あるいは数値的な変更を加え，その変
更をオブジェクト変更処理部２８で処理した後，ネット
ワーク３０を介して進化型アルゴリズム実行装置１０に
送信し，進化型アルゴリズム実行装置１０は，その変更
を進化型アルゴリズム実行部１２において実行中の進化
型アルゴリズムに反映させる。
【００４９】進化型アルゴリズムの実行途中でオブジェ
クトを変更できることにより，ユーザが進化型アルゴリ
ズムの実行経過の視覚化表示を参照しながら進化型アル
ゴリズムの進化に対して積極的に関与し，進化型アルゴ
リズムの進化を促進することができるようになる。
【００５０】図７は，本発明の実施の形態におけるオブ
ジェクトの変更を説明するための図である。この図に描
かれていないその他の部分は，前述した例と同様であ
る。進化型アルゴリズム実行装置１０において，進化型
アルゴリズム実行部１２が，実行装置制御部１１から制
御を受けつつ，設定情報・実行経過記憶部１３に蓄えら
れた実行条件情報およびステップ制御設定情報に基づき
進化型アルゴリズムを実行し，その実行経過を設定情報
・実行経過記憶部１３に蓄える。
【００５１】設定情報・実行経過記憶部１３に蓄えられ
た実行経過は，実行装置制御部１１によってネットワー
ク３０を介して進化型アルゴリズムのインタフェース装
置２０へ送信される。進化型アルゴリズムのインタフェ
ース装置２０では，視覚化処理部２７が受信した実行経
過をもとに，例えば解空間上の個体分布を実行経過視覚
化表示５４のように表示装置５０に表示する。実行経過
視覚化表示５４の各点は，進化型アルゴリズムの実行経
過における各個体の状態を示すオブジェクトである。
【００５２】ここで，実行経過視覚化表示５４における
個体分布が，例えば左上側に偏り過ぎているため，最適
解が求まりにくい状況になっているとユーザが判断した
場合，ユーザは，オブジェクト変更処理部２８によって
実行経過視覚化表示５４上のオブジェクトの一部に変更
を加えることができる。
【００５３】この例では，オブジェクト変更処理部２８
において実行経過視覚化表示５４′上のオブジェクトの
一部に，矢印付点線で示されるような変更を加えてい
る。この変更は，具体的には表示画面上でマウス等の入
力装置４０を用いてオブジェクトをピックし，望ましい
と思われる場所にドラッグすることによって行う。な
お，キーボード等のからの数値入力によって，オブジェ
クトを変更してもよい。オブジェクトの位置が多次元変
数で表されるような場合には，ユーザは着目する次元の
座標軸を指定して，オブジェクトを表示させることがで
き，その表示されたオブジェクトに対する操作を行うこ
とができる。
【００５４】オブジェクトの変更内容は，進化型アルゴ
リズムのインタフェース装置２０からネットワーク３０
を介して進化型アルゴリズム実行装置１０へ送信され，
実行装置制御部１１を経由して設定情報・実行経過記憶
部１３に蓄えられる。進化型アルゴリズム実行部１２
は，その設定情報・実行経過記憶部１３に蓄えられた新
しいオブジェクト情報を実行装置制御部１１を経由して
受け取り，そのオブジェクト情報を進化型アルゴリズム
の次のステップに反映させる。
【００５５】オブジェクトの変更内容を解候補集団へ反
映する場合，具体的には解候補である個体を視覚化処理
部２７により視覚化する場合の逆変換によって，該当す
る個体の内容を変更することになる。この結果，ステッ
プ４の解候補集団は，ステップ４′の解候補集団に変更
され，進化型アルゴリズム実行部１２は，新しいステッ
プ４′の解候補集団をもとに次のステップにおける進化
型アルゴリズムの実行を行う。例えば遺伝アルゴリズム
において，変更された個体の染色体が致死遺伝子を含む
ような場合には，変更されたオブジェクトの近傍におい
て致死遺伝子を含まないような染色体になるように，変
更内容に補正を加えることが望ましい。この補正方法に
ついては，与えられた問題における解の染色体表現に依
存するため，ここでの詳しい説明は省略する。
【００５６】以上説明した実行条件の設定および変更，
ステップの進行制御方法の設定および変更，オブジェク
トの変更は，本発明において単独で実施することもでき
るし，組み合わせて実施することもできる。
【００５７】〔進化型アルゴリズム実行装置の処理の流
れ〕図８は，進化型アルゴリズム実行装置のフローチャ
ートを示す。進化型アルゴリズム（以下，ＥＡと略記す
る）の代表例として，遺伝アルゴリズムを用いて，実行
装置制御部１１および進化型アルゴリズム実行部１２の
処理を説明する。
【００５８】（Ｓ１）まず，進化型アルゴリズムのイン
タフェース装置２０からネットワーク３０を経由して送
られてくるＥＡの実行条件情報およびステップ制御設定
情報を，実行装置制御部１１を介して読み込む。
【００５９】（Ｓ２）次に，初期世代（ｔ＝０；世代数
をｔとする）のＥＡ集団を実行条件として指定された集
団サイズに従って生成する。 （Ｓ３−Ｓ４）進化型アルゴリズムのインタフェース装
置２０からネットワーク３０を介して実行経過等のＥＡ
情報の出力命令が送られてくれば，ＥＡ情報を出力す
る。出力命令が送られてこなければ，次のＳ５へ進む。
【００６０】（Ｓ５）ＥＡ実行終了条件に達したかどう
かを判定する。ＥＡ実行終了条件は，例えば所定の世代
数に達したかどうか，適応度の最大値が所定値以上にな
ったかどうか，実行可能解が得られたかどうかなどによ
り，判断される。このＥＡ実行終了条件を，進化型アル
ゴリズムのインタフェース装置２０によって設定される
実行条件の一つに加えてもよい。ＥＡ実行終了条件に達
したならばＥＡの実行を終了する。
【００６１】（Ｓ６−Ｓ７））ＥＡ実行終了条件に達し
ていなければ，次に，ＥＡ実行を一時停止するかどうか
を判定する。進化型アルゴリズムのインタフェース装置
２０からネットワーク３０を介してＥＡ実行の一時停止
命令が送られてきていれば，ＥＡ実行を一時停止し，そ
こでＥＡ実行の一時停止解除命令が送られてくれば，一
時停止を解除し，世代数ｔの値を１増やして，次のＳ８
へ進む。ＥＡ実行の一時停止命令が送られてきていなけ
れば，世代数ｔの値を１増やして，直ちにＳ８へ進む。
【００６２】（Ｓ８）ＥＡ集団の各個体の適応度を所定
の適応度関数に従って評価する。 （Ｓ９）実行条件として設定された選択方法に従って，
適応度の低い個体を削除し，適応度の高い個体を生き残
らせる，あるいはその複製を多く残すという「適者生
存」のルールに基づいて選択を行う。
【００６３】（Ｓ１０）実行条件として設定された交叉
方法および交叉率に従って，選択段階で生き残った個体
同士で交叉，つまり遺伝情報の交換を確率的に行う。 （Ｓ１１）実行条件として設定された突然変異方法およ
び突然変異に従って，個体の遺伝情報の一部に確率的変
更を加える。その後，Ｓ３へ戻り，同様に処理を繰り返
す。
【００６４】ここでは，進化型アルゴリズム（ＥＡ）の
代表例として遺伝アルゴリズム（ＧＡ）を用いた例を説
明したが，遺伝アルゴリズムとして特徴的なステップ
は，適応度評価（Ｓ８），選択（Ｓ９），交叉（Ｓ１
０），突然変異（Ｓ１１）の箇所であり，他のＥＡ手法
を用いる場合には，これらのステップは他のものに取っ
て替えられることになる。また，遺伝アルゴリズム自体
にも，各種派生的手法があり，遺伝アルゴリズムの種類
によっては，これらのステップが他のものに取って替え
られたり，別のステップが付け加えられたりする場合が
ある。
【００６５】〔進化型アルゴリズムのインタフェース装
置の処理の流れ〕図９は進化型アルゴリズムのインタフ
ェース装置のフローチャートを示す。 （Ｓ２０）まず，ＥＡ実行条件入力用の実行条件設定画
面など，各種制御用インタフェースの生成を行う。
【００６６】（Ｓ２１）次に，ＥＡの実行条件を図２に
示したような実行条件設定画面５１によって入力し，同
じくステップの進行制御方法をステップ制御設定画面５
２によって入力し，ネットワーク３０を介して進化型ア
ルゴリズム実行装置１０へ送信する。
【００６７】（Ｓ２２）上記制御用インタフェース等を
用いてＥＡ情報の出力命令が与えられた場合，Ｓ２３へ
進み，出力命令が与えられていない場合，Ｓ２６へ進
む。 （Ｓ２３）ＥＡ情報の出力命令をネットワーク３０を介
して進化型アルゴリズム実行装置１０へ送信する。
【００６８】（Ｓ２４）進化型アルゴリズム実行装置１
０からネットワーク３０を介して，実行経過等のＥＡ情
報を受信する。 （Ｓ２５）受信したＥＡ情報の視覚化処理命令を視覚化
処理部２７へ送り，視覚化処理部２７では，ＥＡ情報を
各種統計処理して，処理結果を表示装置５０に視覚化表
示する。
【００６９】（Ｓ２６）上記制御用インタフェース（例
えば，図２のステップ制御画面５３における「中止」ボ
タン）等を介することにより，システム終了命令を受け
た場合，進化型アルゴリズムのインタフェース装置２０
の処理を終了する。システム終了命令を受けていない場
合，次のＳ２７へ進む。 （Ｓ２７）図２に示したようなステップ制御画面５３か
らＥＡ実行の一時停止命令が与えられた場合，ＥＡ実行
の一時停止命令をネットワーク３０を介して進化型アル
ゴリズム実行装置１０へ送り，Ｓ２８へ進む。一時停止
命令が与えられていない場合，Ｓ２２へ戻って同様に処
理を繰り返す。
【００７０】（Ｓ２８）視覚化処理部２７が表示したＥ
Ａの視覚化情報に対して，視覚化処理部２７で提供され
るインタフェースによる各種操作命令を制御する。この
操作命令には，例えば解空間上のある世代での個体分布
をプロットしたような実行経過視覚化表示の上で，ある
個体をマウスでクリックすると，その個体についての詳
細情報がポップアップ・ウインドウに表示されたり，ま
た，それと同時に適応度の世代変化グラフ上のその個体
に相当する適応度位置がハイライト表示されたりするよ
うな命令がある。また，表示スケールを変更するような
操作命令もある。
【００７１】（Ｓ２９）視覚化処理部２７で提供される
インタフェースにより操作された命令がオブジェクト変
更処理命令であった場合に，そのオブジェクト変更処理
命令をオブジェクト変更処理部２８へ送り，その処理結
果であるオブジェクトの変更内容を，ネットワーク３０
を介して進化型アルゴリズム実行装置１０へ送信する。
【００７２】（Ｓ３０）図２に示したようなステップ制
御画面５３において「再開」ボタンが押され，ＥＡ実行
の一時停止解除命令が与えられた場合，一時停止を解除
し，Ｓ２２へ戻って同様に処理を繰り返す。
【００７３】図１０は，実行条件設定画面の具体例を示
す。図１０に示す実行条件設定画面は，遺伝アルゴリズ
ム（ＧＡ）の実行条件を進化型アルゴリズムのインタフ
ェース装置２０から設定するときの画面であり，この画
面から，例えば個体の染色体表現（Chromosome Represe
ntation)方法，染色体集団のサイズ(Population Size)
，実行開始世代（Generation Start) ，実行終了世代
（Generation End）等を設定できるようになっており，
また，選択方法（Select Method)，交叉方法（Crossove
r Method），交叉率（Crossover Rate），突然変異方法
（Mutate Method)，突然変異率（Mutate Rate)等の各種
遺伝的操作（GA Operators）を設定できるようになって
いる。この設定は，進化型アルゴリズムの実行前だけで
なく，実行途中においても，進化型アルゴリズムのイン
タフェース装置２０から行うことができる。
【００７４】図１１は，実行経過等の視覚化表示画面の
具体例を示す。図１１に示す視覚化表示画面において，
視覚化表示（その１）は，２変数関数最適化問題を解く
遺伝アルゴリズムの実行において，解空間上の第２０世
代での個体分布を示している。また，視覚化表示（その
２）は，同じ２変数関数最適化問題を解く遺伝アルゴリ
ズムの実行において，第０世代から第２０世代までの染
色体集団内の適応度の最大値，適応度の平均値，適応度
の最小値の世代変化グラフを示したものである。このグ
ラフ表示において，表示する適応度の範囲を設定した
り，表示を線形（Linear）スケールで行うか対数（Log)
スケールで行うかなどを設定することができる。
【００７５】また，「Ｐａｕｓｅ」のボタンは，図２に
示すステップ制御設定画面５２またはステップ制御画面
５３における「一時停止／再開」ボタンに相当し，「Ｓ
ｌｏｗ」のボタンは，「ノン・ストップ」のボタンに相
当し，「Ｓｔｅｐ」のボタンは，「指定ステップごとに
一時停止」のボタンに相当する。「Ｓｔｅｐ（指定ステ
ップごとに一時停止）」を選択した場合，右側の入力フ
ィールドに指定ステップを数値で入力することができ
る。
【００７６】
【発明の効果】以上説明したように，本発明によれば，
以下の効果がある。 （１）進化型アルゴリズムの実行と，その制御のための
インタフェースおよび視覚化表示とをネットワークでつ
ながれた別々の計算機上で処理することにより，進化型
アルゴリズムの実行を高速演算のできる計算機で，実行
結果の視覚化表示をグラフィックスに向いた計算機で，
分担して処理することができる。
【００７７】（２）進化型アルゴリズムの実行条件を実
行途中で変更できることにより，進化型アルゴリズムの
実行経過の視覚化表示を参照しながら対話的に進化型ア
ルゴリズムの進化能力を向上させることができる。
【００７８】（３）進化型アルゴリズムの進行の制御方
法を実行途中で変更できることにより，進化型アルゴリ
ズムの実行経過の視覚化表示を効率化することができ
る。 （４）進化型アルゴリズムの実行途中でオブジェクトを
変更できることにより，ユーザが進化型アルゴリズムの
実行経過の視覚化表示を参照しながら，解候補集団の進
化に対して積極的に関与し，進化型アルゴリズムの進化
を促進することができる。
【００７９】したがって，進化型アルゴリズムの実行条
件の適否等を，実行途中で確認しながら，進化型アルゴ
リズムの実行性能を効果的に向上させることができるよ
うになる。
【図面の簡単な説明】
【図１】本発明の構成例を示す図である。
【図２】実行条件およびステップの進行制御方法の設定
を説明するための図である。
【図３】実行経過の視覚化を説明するための図である。
【図４】実行条件の動的変更を説明するための図であ
る。
【図５】実行条件の動的変更を説明するための図であ
る。
【図６】ステップの進行制御方法の動的変更を説明する
ための図である。
【図７】オブジェクトの変更を説明するための図であ
る。
【図８】進化型アルゴリズム実行装置のフローチャート
である。
【図９】進化型アルゴリズムのインタフェース装置のフ
ローチャートを示す。
【図１０】実行条件設定画面の具体例を示す図である。
【図１１】実行経過等の視覚化表示画面の具体例を示す
図である。
【符号の説明】
１０ 進化型アルゴリズム実行装置 １１ 実行装置制御部 １２ 進化型アルゴリズム実行部 １３ 設定情報・実行経過記憶部 ２０ 進化型アルゴリズムのインタフェース装置 ２１ インタフェース装置制御部 ２２ 実行条件設定部 ２３ 実行条件変更部 ２４ ステップ制御設定部 ２５ ステップ制御部 ２６ ステップ制御設定変更部 ２７ 視覚化処理部 ２８ オブジェクト変更処理部 ３０ ネットワーク ４０ 入力装置 ５０ 表示装置

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 解候補集団を進化させることによって，
    与えられた問題の最適解または準最適解を求める進化型
    アルゴリズムを計算機により実行するシステムにおい
    て，進化型アルゴリズムの実行条件を進化型アルゴリズ
    ムの実行途中で設定する手段と，進化型アルゴリズムの
    実行途中で新しい実行条件が設定された場合に，現在の
    実行条件を新しい実行条件に変更して進化型アルゴリズ
    ムの実行を継続する手段とを有することを特徴とする進
    化型アルゴリズム実行システム。
  2. 【請求項２】 解候補集団を進化させることによって，
    与えられた問題の最適解または準最適解を求める進化型
    アルゴリズムを計算機により実行するシステムにおい
    て，進化型アルゴリズムのステップの進行制御方法を進
    化型アルゴリズムの実行途中で設定する手段と，進化型
    アルゴリズムの実行途中で新しいステップの進行制御方
    法が設定された場合に，新しいステップの進行制御方法
    のもとで進化型アルゴリズムの実行を継続する手段とを
    有することを特徴とする進化型アルゴリズム実行システ
    ム。
  3. 【請求項３】 解候補集団を進化させることによって，
    与えられた問題の最適解または準最適解を求める進化型
    アルゴリズムを計算機により実行するシステムにおい
    て，進化型アルゴリズムの実行経過を視覚化して表示す
    る手段と，視覚化して表示された進化型アルゴリズムの
    実行経過に関するオブジェクトに，表示画面上で視覚的
    または数値的に変更を加えることを可能にする手段と，
    進化型アルゴリズムの実行経過に関するオブジェクトに
    変更が加えられた場合に，その変更内容を実行中の進化
    型アルゴリズムに反映する手段とを有することを特徴と
    する進化型アルゴリズム実行システム。
  4. 【請求項４】 解候補集団を進化させることによって，
    与えられた問題の最適解または準最適解を求める進化型
    アルゴリズムを計算機により実行するシステムにおい
    て，進化型アルゴリズムの実行経過を視覚化処理し，そ
    の処理結果を画面表示する手段および進化型アルゴリズ
    ムの実行条件またはステップの進行制御方法を設定する
    手段を有するインタフェース装置と，前記インタフェー
    ス装置により設定された実行条件またはステップの進行
    制御方法に基づき進化型アルゴリズムを実行する手段お
    よび進化型アルゴリズムの実行経過を前記インタフェー
    ス装置へ送信する手段を有する実行装置と，前記実行装
    置と前記インタフェース装置を接続するネットワークと
    からなることを特徴とする進化型アルゴリズム実行シス
    テム。
  5. 【請求項５】 解候補集団を進化させることによって，
    与えられた問題の最適解または準最適解を求める進化型
    アルゴリズムを計算機により実行するシステムにおい
    て，進化型アルゴリズムを実行する実行装置と，インタ
    フェース装置と，前記実行装置と前記インタフェース装
    置とを接続するネットワークとからなり，前記実行装置
    は，前記インタフェース装置から設定された進化型アル
    ゴリズムの実行条件またはステップの進行制御方法に従
    って進化型アルゴリズムを実行する手段と，進化型アル
    ゴリズムの実行経過を前記インタフェース装置へ送信す
    る手段とを有し，前記インタフェース装置は，前記実行
    装置から受信した進化型アルゴリズムの実行経過を視覚
    化して表示する手段と，進化型アルゴリズムの実行条件
    またはステップの進行制御方法を進化型アルゴリズムの
    実行途中で設定する手段と，設定された進化型アルゴリ
    ズムの実行条件またはステップの進行制御方法を前記実
    行装置へ通知する手段とを有することを特徴とする進化
    型アルゴリズム実行システム。
  6. 【請求項６】 解候補集団を進化させることによって，
    与えられた問題の最適解または準最適解を求める進化型
    アルゴリズムを計算機により実行するシステムにおい
    て，進化型アルゴリズムを実行する実行装置と，インタ
    フェース装置と，前記実行装置と前記インタフェース装
    置とを接続するネットワークとからなり，前記実行装置
    は，進化型アルゴリズムの実行経過に関するオブジェク
    トの変更内容を前記インタフェース装置から受け取った
    場合に，それを実行中の進化型アルゴリズムに反映する
    手段と，進化型アルゴリズムの実行経過を前記インタフ
    ェース装置へ送信する手段とを有し，前記インタフェー
    ス装置は，前記実行装置から受信した進化型アルゴリズ
    ムの実行経過を視覚化して表示する手段と，視覚化して
    表示された進化型アルゴリズムの実行経過に関するオブ
    ジェクトに，表示画面上で視覚的または数値的に変更を
    加えることを可能にする手段と，進化型アルゴリズムの
    実行経過に関するオブジェクトに変更が加えられた場合
    に，その変更内容を前記実行装置へ送信する手段とを有
    することを特徴とする進化型アルゴリズム実行システ
    ム。
  7. 【請求項７】 解候補集団を進化させることによって，
    与えられた問題の最適解または準最適解を求める進化型
    アルゴリズムを計算機により実行するシステムにおい
    て，進化型アルゴリズムを実行する実行装置と，インタ
    フェース装置と，前記実行装置と前記インタフェース装
    置とを接続するネットワークとからなり，前記実行装置
    は，前記インタフェース装置から設定された進化型アル
    ゴリズムの実行条件またはステップの進行制御方法に従
    って進化型アルゴリズムを実行する手段と，進化型アル
    ゴリズムの実行経過に関するオブジェクトの変更内容を
    前記インタフェース装置から受け取った場合に，それを
    実行中の進化型アルゴリズムに反映する手段と，進化型
    アルゴリズムの実行経過を前記インタフェース装置へ送
    信する手段とを有し，前記インタフェース装置は，前記
    実行装置から受信した進化型アルゴリズムの実行経過を
    視覚化して表示する手段と，進化型アルゴリズムの実行
    条件またはステップの進行制御方法を進化型アルゴリズ
    ムの実行途中で設定する手段と，設定された進化型アル
    ゴリズムの実行条件またはステップの進行制御方法を前
    記実行装置へ通知する手段と，視覚化して表示された進
    化型アルゴリズムの実行経過に関するオブジェクトに，
    表示画面上で視覚的または数値的に変更を加えることを
    可能にする手段と，進化型アルゴリズムの実行経過に関
    するオブジェクトに変更が加えられた場合に，その変更
    内容を前記実行装置へ送信する手段とを有することを特
    徴とする進化型アルゴリズム実行システム。
  8. 【請求項８】 解候補集団を進化させることによって，
    与えられた問題の最適解または準最適解を求める進化型
    アルゴリズムを計算機に実行させるプログラムを記録し
    た記録媒体であって，進化型アルゴリズムの実行条件を
    進化型アルゴリズムの実行途中で設定する手段と，進化
    型アルゴリズムの実行途中で新しい実行条件が設定され
    た場合に，現在の実行条件を新しい実行条件に変更して
    進化型アルゴリズムの実行を継続する手段とを，計算機
    により実現するためのプログラムを記録したことを特徴
    とする進化型アルゴリズムのプログラム記録媒体。
  9. 【請求項９】 解候補集団を進化させることによって，
    与えられた問題の最適解または準最適解を求める進化型
    アルゴリズムを計算機により実行させるプログラムを記
    録した記録媒体であって，進化型アルゴリズムのステッ
    プの進行制御方法を進化型アルゴリズムの実行途中で設
    定する手段と，進化型アルゴリズムの実行途中で新しい
    ステップの進行制御方法が設定された場合に，新しいス
    テップの進行制御方法のもとで進化型アルゴリズムの実
    行を継続する手段とを，計算機により実現するためのプ
    ログラムを記録したことを特徴とする進化型アルゴリズ
    ムのプログラム記録媒体。
  10. 【請求項１０】 解候補集団を進化させることによっ
    て，与えられた問題の最適解または準最適解を求める進
    化型アルゴリズムを計算機により実行させるプログラム
    を記録した記録媒体であって，進化型アルゴリズムの実
    行経過を視覚化して表示する手段と，視覚化して表示さ
    れた進化型アルゴリズムの実行経過に関するオブジェク
    トに，表示画面上で視覚的または数値的に変更を加える
    ことを可能にする手段と，進化型アルゴリズムの実行経
    過に関するオブジェクトに変更が加えられた場合に，そ
    の変更内容を実行中の進化型アルゴリズムに反映する手
    段とを，計算機により実現するためのプログラムを記録
    したことを特徴とする進化型アルゴリズムのプログラム
    記録媒体。
JP10046626A 1998-02-27 1998-02-27 進化型アルゴリズム実行システムおよびそのプログラム記録媒体 Withdrawn JPH11250030A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP10046626A JPH11250030A (ja) 1998-02-27 1998-02-27 進化型アルゴリズム実行システムおよびそのプログラム記録媒体
US09/161,984 US6263325B1 (en) 1998-02-27 1998-09-29 System, method, and program storage medium for executing a learning algorithm

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP10046626A JPH11250030A (ja) 1998-02-27 1998-02-27 進化型アルゴリズム実行システムおよびそのプログラム記録媒体

Publications (1)

Publication Number Publication Date
JPH11250030A true JPH11250030A (ja) 1999-09-17

Family

ID=12752510

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10046626A Withdrawn JPH11250030A (ja) 1998-02-27 1998-02-27 進化型アルゴリズム実行システムおよびそのプログラム記録媒体

Country Status (2)

Country Link
US (1) US6263325B1 (ja)
JP (1) JPH11250030A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016536676A (ja) * 2013-10-09 2016-11-24 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ ニューラルモデル実行をリモートで制御および監視するための方法および装置
JP2019191887A (ja) * 2018-04-24 2019-10-31 富士通株式会社 最適化計算方法、最適化計算プログラム及び最適化計算装置

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020069134A1 (en) * 1999-11-01 2002-06-06 Neal Solomon System, method and apparatus for aggregation of cooperative intelligent agents for procurement in a distributed network
US20030074301A1 (en) * 1999-11-01 2003-04-17 Neal Solomon System, method, and apparatus for an intelligent search agent to access data in a distributed network
US20020046157A1 (en) * 1999-11-01 2002-04-18 Neal Solomon System, method and apparatus for demand-initiated intelligent negotiation agents in a distributed network
US20020055903A1 (en) * 1999-11-01 2002-05-09 Neal Solomon System, method, and apparatus for a cooperative communications network
US6898761B2 (en) 2000-05-01 2005-05-24 Raytheon Company Extensible markup language genetic algorithm
US20040039716A1 (en) * 2002-08-23 2004-02-26 Thompson Dean S. System and method for optimizing a computer program
US20040044633A1 (en) * 2002-08-29 2004-03-04 Chen Thomas W. System and method for solving an optimization problem using a neural-network-based genetic algorithm technique
GB0320670D0 (en) * 2003-09-04 2003-10-01 Curvaceous Software Ltd Multi-variable operations
US7624080B1 (en) 2005-02-25 2009-11-24 The United States Of America As Represented By The Secretary Of The Navy Smart sensor continuously adapting to a data stream in real time using both permanent and temporary knowledge bases to recognize sensor measurements
GB0515726D0 (en) * 2005-07-30 2005-09-07 Curvaceous Software Ltd Multi-variable operations
SG133421A1 (en) * 2005-12-13 2007-07-30 Singapore Tech Dynamics Pte Method and apparatus for an algorithm development environment for solving a class of real-life combinatorial optimization problems
US7599861B2 (en) 2006-03-02 2009-10-06 Convergys Customer Management Group, Inc. System and method for closed loop decisionmaking in an automated care system
US7809663B1 (en) 2006-05-22 2010-10-05 Convergys Cmg Utah, Inc. System and method for supporting the utilization of machine language
US8379830B1 (en) 2006-05-22 2013-02-19 Convergys Customer Management Delaware Llc System and method for automated customer service with contingent live interaction
CN101617328A (zh) * 2006-12-22 2009-12-30 新加坡技术动态私人有限公司 在问题解决环境中用于超启发式算法的自动配置的方法和装置
US7814038B1 (en) 2007-12-06 2010-10-12 Dominic John Repici Feedback-tolerant method and device producing weight-adjustment factors for pre-synaptic neurons in artificial neural networks
EP3620108B1 (en) 2018-09-04 2021-04-21 Stichting IMEC Nederland A system and a method for acquiring an electrical signal and a wearable device
US12039453B2 (en) * 2020-12-10 2024-07-16 International Business Machines Corporation Reinforcement testing of a neural network

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4599692A (en) * 1984-01-16 1986-07-08 Itt Corporation Probabilistic learning element employing context drive searching
US4620286A (en) * 1984-01-16 1986-10-28 Itt Corporation Probabilistic learning element
US5463718A (en) * 1991-11-08 1995-10-31 Hitachi, Ltd. Learning method and apparatus
US5579440A (en) * 1993-11-22 1996-11-26 Brown; Robert A. Machine that learns what it actually does
US5568590A (en) * 1993-12-17 1996-10-22 Xaos Tools Image processing using genetic mutation of neural network parameters
US6004015A (en) * 1994-11-24 1999-12-21 Matsushita Electric Industrial Co., Ltd. Optimization adjusting method and optimization adjusting apparatus
CA2167748A1 (en) * 1995-02-09 1996-08-10 Yoav Freund Apparatus and methods for machine learning hypotheses
US5970482A (en) * 1996-02-12 1999-10-19 Datamind Corporation System for data mining using neuroagents
JP3561370B2 (ja) 1996-05-17 2004-09-02 富士通株式会社 遺伝アルゴリズム解析表示処理装置
GB2316504A (en) * 1996-08-22 1998-02-25 Ibm Distributed genetic programming / algorithm performance
JP3825845B2 (ja) * 1996-09-27 2006-09-27 ヤマハ発動機株式会社 進化的制御方式
US5848403A (en) * 1996-10-04 1998-12-08 Bbn Corporation System and method for genetic algorithm scheduling systems

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016536676A (ja) * 2013-10-09 2016-11-24 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ ニューラルモデル実行をリモートで制御および監視するための方法および装置
JP2019191887A (ja) * 2018-04-24 2019-10-31 富士通株式会社 最適化計算方法、最適化計算プログラム及び最適化計算装置

Also Published As

Publication number Publication date
US6263325B1 (en) 2001-07-17

Similar Documents

Publication Publication Date Title
JPH11250030A (ja) 進化型アルゴリズム実行システムおよびそのプログラム記録媒体
JP6758368B2 (ja) データ発見ノード
Maturana et al. Autonomous operator management for evolutionary algorithms
CN109032078A (zh) 机器学习装置、控制装置以及计算机可读介质
Ehrlinger ggRandomForests: Exploring random forest survival
US12042937B2 (en) Robot programming device and robot programming method
WO2020166299A1 (ja) 材料特性予測装置および材料特性予測方法
Nguyen et al. People-centric evolutionary system for dynamic production scheduling
US20180101391A1 (en) System for co-adaptive human-computer interaction
JP2020110894A (ja) 学習済モデル生成装置、ロボット制御装置、及び、プログラム
EP2221719A1 (en) Next-step prediction system and method
Neves et al. Deep reinforcement learning applied to an assembly sequence planning problem with user preferences
Walker et al. Identifying good algorithm parameters in evolutionary multi-and many-objective optimisation: A visualisation approach
JPH0659844A (ja) ユ−ザ適応型システムおよびその適応方法
JP2020113262A (ja) 学習済モデル生成装置、ロボット制御装置、及び、プログラム
JP6268322B1 (ja) 学習データ精度可視化システム、学習データ精度可視化方法、及びプログラム
Naughton et al. Structured action prediction for teleoperation in open worlds
JP7348444B2 (ja) 機械学習モデルのハイパーパラメータ最適化過程の分析と調整のためのチューニングアルゴリズム認識視覚化方法
US11811985B2 (en) Information processing apparatus, information processing method, and information processing system
JP2022090206A (ja) 最適化支援装置および最適化支援方法
JP2022015502A (ja) 機械学習装置および機械学習方法
JP3568678B2 (ja) 運動連鎖模擬システム
KR102547548B1 (ko) 집합적 진단 제어 방법 및 그 시스템
Stille et al. A/sup 2/DL-an Adaptive Automatic Display Layout system
New et al. Dynamic visualization of coexpression in systems genetics data

Legal Events

Date Code Title Description
A300 Application deemed to be withdrawn because no request for examination was validly filed

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20050510