KR20070005925A - 파라미터 조정 장치 - Google Patents

Abstract

복수(複數)의 처리 장치를 사용하여 유전적(遺傳的; genetic) 알고리즘에 의해 물리(物理) 모델의 다수(多數)의 파라미터 등을 단시간(短時間)에 조정(調整; adjustment) 가능한 파라미터 조정 장치를 제공하는 것.

파라미터 조정 장치는, 복수의 처리 수단 내(內)의 일부를 국소 탐색법(局所探索法)에 의한 탐색 처리에 할당(割當; assignment)하는 처리 할당 수단을 구비하고, 성능이 낮은 프로세서에 국소 탐색의 처리를 할당한다. 또, 유전적 알고리즘에 의한 탐색의 중간 결과를 수집(收集)해서, 국소 탐색법에 의한 탐색 처리에 이용한다. 시스템 내의 자원(資源; resource)을 유효(有效) 활용해서 피팅(fitting) 처리를 병렬화(竝列化) 및 효율화(效率化)하는 것에 의해, 단시간에 최적한 파라미터 군(群)을 결정할 수 있다고 하는 효과가 있다.

Description

파라미터 조정 장치{PARAMETER ADJUSTMENT DEVICE}

본 발명은 파라미터 조정(調整; adjustment) 장치에 관한 것으로서, 특히, 복수(複數)의 처리 장치(프로세서, CPU)를 사용하여 유전적(遺傳的; genetic) 알고리즘(이하, GA라고 기재한다)에 의해 물리(物理) 모델의 다수(多數)의 파라미터 등을 단시간(短時間)에 조정 가능한 파라미터 조정 장치에 관한 것이다.

종래, 실험 결과 등으로부터 GA를 이용하여 복수의 파라미터를 포함하는 물리 모델의 파라미터 피팅(fitting)(조정) 처리를 자동적으로 행하는 파라미터 조정 장치가 제안되어 있다. GA의 참고 문헌으로서는, 예를 들면 하기 비특허 문헌 1이 있다. 또한, 본 발명에서 말하는 GA라 함은, 진화적(進化的) 계산 수법(手法)을 말하며, 진화적 전술(進化的戰術)(Evolution Strategy: ES)의 수법도 포함하는 것이다. 진화적 전술의 참고 문헌으로서는, 예를 들면 하기(下記) 비특허 문헌 2가 있다.

또, 하기 특허 문헌 1에는, GA를 이용하여 복수의 파라미터를 포함하는 물리 모델의 파라미터 조정 처리를 자동적으로 행하는 파라미터 조정 장치가 제안되어 있다.

비특허 문헌 1: David E. Goldberg저(著) 「Genetic Algorithms in Search, Optimization, and Machine Learning」 1989년, 출판사 ADDISON-WESLEY PUBLISHING COMPANY, INC. 가 출판

비특허 문헌 2: H. P. Schwefel저 「Evolution and Optimum Seeking」 1995년, 출판사 John Wiley & Sons가 출판

특허 문헌 1: 일본 특개(特開) 2003-108972호 공보

[발명의 개시]

[발명이 해결하고자 하는 과제]

상기한 종래의 파라미터 조정 방법에서는, 우선 최초로 GA를 이용하여 파라미터 조정(탐색(探索))을 행하고, 탐색의 종반(終盤)에 있어서는 국소적(局所的) 탐색법을 이용하여 정밀도를 향상시키는 수법이 채용되고 있었다. 그러나, GA를 이용한 탐색은 종반에 있어서 탐색 속도가 저하하므로, GA로 정밀도(精度)를 올리려고 하면 처리 시간이 길어져 버리고, 한편으로 빨리 국소적 탐색법으로 전환(切換)하면 최적해(最適解)에 다다르지 않을 우려가 있다고 하는 문제점이 있었다.

또, GA 처리는 비교적 병렬(竝列) 처리에 적합하지만, 국소적 탐색법은 병렬 처리에 의한 고속화(高速化)에 적합하지 않다고 하는 문제점도 있었다. 또, 적용하는 모델에 따라서는 GA보다도 국소적 탐색법 쪽이 빨리 최적해에 다다를 가능성이 있지만, 이와 같은 모델에서도 종래의 방법으로는 처리 시간의 단축을 할 수 없다고 하는 문제점도 있었다.

[과제를 해결하기 위한 수단]

본 발명은 상기한 과제를 해결하는 것을 목적으로 하며, 이를 위해서 본 발명의 파라미터 조정 장치는, 복수의 처리 수단(CPU)을 이용하여 유전적 알고리즘을 사용하여 파라미터를 최적화하는 파라미터 조정 장치에 있어서, 복수의 처리 수단 내(內)의 일부를 Powell법(法) 등의 국소 탐색법에 의한 탐색 처리에 할당(割當; assignment)하는 처리 할당 수단을 구비한 것을 주요(主要)한 특징으로 한다.

또, 복수 있는 프로세서의 성능이 균일하지 않은 경우에, 성능이 낮은 프로세서에 국소 탐색의 처리를 할당하는 점에도 특징이 있다. 또, 복수의 프로세서 내의 유전적 알고리즘에 의한 처리에 할당된 프로세서로부터 탐색의 중간 결과를 수집(收集)하여, 국소 탐색법에 의한 탐색 처리에 이용하는 점에도 특징이 있다.

또, 복수의 처리 수단 내의 유전적 알고리즘에 의한 처리에 할당된 처리 수단에서의 유전적 알고리즘 처리되는 개체수(個體數)를 각각의 처리 수단의 처리 능력에 따라서 결정하는 개체수 결정 수단을 구비한 점에도 특징이 있다. 또, 복수의 프로세서는 각각 탐색 처리 종료 조건을 만족시키는지 여부를 판정(判定)하는 판정 수단을 구비하고, 임의(任意)의 프로세서에서 종료의 판정이 이루어진 경우에는, 장치 전체의 처리를 종료하는 점에도 특징이 있다.

[발명의 효과]

본 발명의 파라미터 조정 장치는 상기와 같은 특징에 의해서, 시스템 내의 자원(資源; resource)을 유효(有效) 활용해서 피팅 처리를 병렬화 및 효율화(效率化)하는 것에 의해, 단시간에 최적한 파라미터 군(群)을 결정할 수 있다고 하는 효과가 있다.

도 1은 본 발명의 파라미터 조정 장치의 실시예의 하드웨어 구성을 도시하는 블록도,

도 2는 본 발명의 GA를 사용한 파라미터 조정 처리를 도시하는 개략 타임차트,

도 3은 관리 CPU1에서의 처리 내용을 도시하는 플로차트,

도 4는 GA용 CPU 처리의 내용을 도시하는 플로차트,

도 5는 국소법용의 CPU 처리의 내용을 도시하는 플로차트,

도 6은 S16, S36의 GAn 처리의 내용을 도시하는 플로차트.

[부호의 설명]

10, 11, 12, 13…CPU

14…LAN

15…키보드

16…디스플레이

[발명을 실시하기 위한 최량의 형태]

본 발명의 파라미터 조정 장치는, 예를 들면 반도체 제조 라인에서 다른(異) 형상(形狀)의 트랜지스터를 몇 개 시작(試作)하고, 측정한 전기(電氣) 특성의 데이터를 이용하여, 트랜지스터 전기 특성 모델 함수의 모델 파라미터를 최적화(最適化)하고, 이 모델을 사용하여 임의의 형상의 트랜지스터의 시뮬레이션을 행하기 위해서 사용 가능하다. 단, 본 발명은 이 예에 한정되지 않고, GA를 이용하는 임의의 처리에 적용 가능하다. 이하, 실시예에 대해서 설명한다.

실시예 1

도 1은 본 발명의 파라미터 조정 장치의 실시예의 하드웨어 구성을 도시하는 블록도이다. CPU1(10)∼CPUn(13)의 주지(周知)의 n대(台)의 퍼스널컴퓨터가 주지의 LAN(14)에 의해서 접속되어 있다. CPU1(10)에는 데이터 입출력용의 주지의 디스플레이(16), 키보드(15)가 접속되어 있지만, 다른(他) CPU에도 접속되어 있어도 상관없다. 각각의 CPU에는 주지의 데이터 입출력 장치를 탑재(搭載)해도 상관없다. 본 발명의 파라미터 조정 장치는, 각 CPU에 각각 후술하는 프로그램을 작성하여 인스톨하는 것에 의해 실현한다.

또한, 이 구성은 1예이며, 1대의 서버 중(中)에 복수의 CPU가 탑재되어 있는 경우, 혹은 인터넷을 거쳐서 복수의 퍼스널컴퓨터가 접속되어 있는 경우 등, 본 발명은 실질적으로 복수의 처리 장치(CPU)에 의한 병렬 처리가 가능한 임의의 컴퓨터 시스템에 적용 가능하다. 또, 하이퍼 스레딩(hyper threading) 기능 등, 하나의 CPU에 의해서 실질적으로 복수의 처리를 병렬로 실행 가능한 경우에 있어서도 본 발명을 적용하는 것이 가능하다.

도 2는 본 발명의 GA를 사용한 파라미터 조정(피팅) 처리를 도시하는 개략(槪略) 타임차트이다. CPU1은 관리용 CPU로서 기능하고, GA 처리 (국소법 처리) 이외에 데이터의 입출력, 다른 CPU에의 처리의 할당, 파라미터 조정 처리 전체의 관리 등을 행한다. CPU2∼CPUn-1은 GA 처리용으로 할당된 CPU이다. CPUn은 국소법의 탐색 처리용으로 할당된 CPU이다. 또한, n은 2이상(以上)의 정수(整數)이다.

CPU1은 소정의 주기(周期)(GA의 소정수(所定數)의 세대 교대(世代交代) 처리=GAn 처리)마다 다른 CPU로부터 처리 결과(평가값이 좋은 개체 정보)를 수집하여 종료 조건을 판정해서, 종료 조건을 만족시키고 있는 경우에는 처리 전체를 종료하고, 결과를 출력한다. GA 처리용 CPU는 관리용 CPU1로부터 지시가 있을 때마다 GAn 처리를 실행한다. GAn 처리 중에는 소정의 주기로 다른 GA용 CPU와 개체를 교환(交換)하는 이주(移住) 처리가 행해진다. 또, 이것과는 독립한 주기로, 국소법용 CPUn에(혹은, 관리용 CPU를 거쳐서 ) 그 시점에서 평가값이 좋은 개체 정보를 송신(送信)한다.

국소법용 CPUn은 관리용 CPU 혹은 GA용 CPU로부터 개체(파라미터) 정보를 수신(受信)하면, 공지의 국소적 탐색 방법에 의해 파라미터의 최적화(탐색)를 행한다. 그리고 탐색 결과를 관리용 CPU에 송신한다.

도 3은 관리 CPU1에서의 처리 내용을 도시하는 플로차트이다. S10 에서는, GA용 혹은 국소법용으로서 이용 가능한 다른 CPU를 검색한다. S11에서는, 이용 가능한 CPU의 처리 능력은 기지(旣知)인지 여부가 판정되고, 판정 결과가 부정인 경 우에는 S12 로 이행(移行)한다. S12에서는 처리 능력이 미지(未知)인 CPU의 처리 능력을 판정한다. 능력으로서는 CPU의 클럭 주파수 정보를 판독출력(讀出; read out, retrieve)하는 간단한 벤치마크 테스트 프로그램을 작동(走; operating, running)하게 하여 처리 시간을 측정하는 것에 의해 능력을 측정하는 등의 방법을 채용 가능하다.

S13에서는 국소법용의 CPU를 선정(選定)한다. 선정 조건으로서는, 예를 들면 가장 처리 능력이 낮은 CPU를 선정한다. 관리용 CPU1이 국소법용의 CPU로서 선정되어도 상관없지만, 이 예에서는 다른 CPUn이 선정된 것으로 한다. 또한, S10∼S13의 처리는, 미리 사전(事前)에 실행해 두어도 좋고, 관리 CPU1에 이용 가능한 CPU 및 그 처리 능력, 처리의 할당 등을 미리 등록해 두어도 좋다.

S14에서는 GA 혹은 국소법 처리에 필요한 입력 데이터 등을 각 CPU에 분배(分配)한다. S15에서는 관리용 CPU에서의 GA 처리용의 개체 (염색체 )를 생성한다. 예를 들면 반도체 제조 라인의 경우에는 트랜지스터의 물리 모델 함수의 모두 혹은 일부의 파라미터의 값을 유전자로 하는 염색체(개체)를 N개(個) 생성하여, 개체 모집단(母集團)으로 한다. 개체의 생성이라 함은, 염색체 중의 유전자의 값을 결정하는 것이다. 또한, 공지의 BSI M 등의 트랜지스터의 물리 모델에서는, 각 파라미터에 대해서 추장(推奬; 추천하여 장려)할 파라미터 초기값의 범위가 정해져 있으므로, 각 파라미터에 대해서, 추장할 파라미터 초기값의 범위 내에서 랜덤하게 초기값을 결정해서 유전자(遺傳子)의 값으로 한다. 개체수(N)는 기본적으로는 조정해야 할 파라미터의 수(數)에 의거해서 결정한다. 실시예에서는, 예를 들면 개체수 (N)=파라미터 수×정수(定數)(예를 들면, 5∼15)로 해도 좋다. 또한, 개체수(N)가 클 수록 정밀도는 향상하지만 처리 시간도 길어진다. 한편, 처리 능력이 다른 복수의 CPU에 같은(同) 개체수(N)의 GA 처리를 실행시키면, 빠른 CPU는 느린 CPU의 처리가 종료할 때까지 기다리게 된다. 그래서, 처리 능력이 큰 CPU일 수록 N을 크게 하는 것에 의해, GA용으로 할당된 복수의 CPU의 처리 시간이 거의 같게 되도록 해도 좋다.

S16에서는 후술하는 GAn 처리(혹은, 국소법 처리)가 행해진다. S17에서는 자신(自分)의 데이터도 포함해서 모든 CPU의 처리 결과 데이터를 수집한다. S18에서는, 종료 조건을 만족시키는지 여부가 판정된다. 종료 조건으로서는, 예를 들면 이하의 (1)∼(3)의 어느것인가(any one)의 조건을 만족시켰을 때로 한다. (1) 어느것인가의 개체의 평가값이 미리 정해진 목표값 이상에 도달(達)했다. (2) 평가값의 증가율이 소정값을 하회했다. (3) 계산 회수(回數)가 소정값을 넘(超)었다.

S19에서는 모든 CPU에 대해서 종료를 지시하고, S20에서는 예를 들면 디스플레이, 프린터, 파일 등에 결과를 출력한다. 또한, S16의 처리 중에 상기 종료 조건 (1)의 정보가 다른 CPU로부터 송신되어 온 경우에는, 즉시 S16의 처리를 중지(中止)하고, S19로 이행해도 좋다.

도 4는 GA용 CPU 처리의 내용을 도시하는 플로차트이다. S30에서는 관리 CPU로부터 데이터를 수신할 때까지 기다리고, S31에서는, 수신한 데이터가 종료 지시이면 처리를 종료한다. S32에서는 수신한 데이터가 S14에서 분배된 데이터인지 여부가 판정되고, 판정 결과가 긍정(肯定)인 경우에는 S33으로 이행한다. S33에서 는 그 스스로의(自; its own) CPU에 있어서의 GA 처리용의 개체(염색체)를 생성한다. 이 처리는 S15와 같은 처리이다. S34에서는 생성한 개체를 모집단으로서 등록해서, S36으로 이행한다.

S35에서는, 수신한 데이터가 속행(續行) 지시인지 여부가 판정되고, 판정 결과가 긍정인 경우에는 S36으로 이행한다. S36에서는 후술하는 GA의 소정수의 세대 교대 처리인 GAn 처리가 실행된다. S37에서는 GA 처리의 결과인 평가값이 상위의 소정 개수의 개체 정보를 관리 CPU에 전송(轉送)하고, S30으로 되돌아간다.

도 5는 국소법용의 CPU 처리의 내용을 도시하는 플로차트이다. S50에서는 관리 CPU로부터 데이터를 수신할 때까지 기다리고, S51에서는, 수신한 데이터가 종료 지시이면 처리를 종료한다. S52에서는, 수신한 데이터가 S14에서 분배된 데이터인지 여부가 판정되고, 판정 결과가 긍정인 경우에는 S55로 이행한다.

S53에서는, GA용 CPU로부터 송신된 중간 결과인 평가 상위 데이터인지 여부가 판정되고, 판정 결과가 긍정인 경우에는 S54로 이행한다. S54 에서는, 각 CPU로부터 수집한 상위 개체 데이터를 평가값 순(順)으로 소트하는 등 해서, 탐색 처리할 개체를 선택한다. 또한, 국소법용의 CPU가 다른 CPU의 GAn 처리 중에 국소법 탐색 처리를 복수회 실행 가능하면, 실행 가능한 범위 내에서 선택하는 개체수는 복수이어도 좋으며, 복수인 경우에는 하나씩 차례(順)대로 처리한다.

S55에서는, 예를 들면 「뉴메리컬레시피·인·씨, 기술 평론사, 1993」 등에 기재된 공지의 Powell법 혹은 그 밖의 공지의 국소적 탐색법에 의해 파라미터의 조정, 즉 평가값이 좋은 파라미터의 탐색을 행한다. 이 처리는 GA 처리에 비해서 처 리 부하가 가벼우므로, 처리 능력이 낮은 CPU이더라도 GA 처리에 비해서 단시간에 처리 가능하다. S56에서는, 처리의 결과인 평가값이 상위의 소정 개수의 개체의 정보를 관리 CPU에 전송하고, S50으로 되돌아간다.

도 6은 S16, S36의, GA의 소정수의 세대 교대 처리인 GAn 처리의 내용을 도시하는 플로차트이다. S60∼S62에서는 공지의 유전적 알고리즘 처리에서의 1세대의 세대 갱신 처리가 행해진다. 또한, 상세(詳細)에 대해서는 상기한 특허 문헌에 기재되어 있다. 우선, S60에서는 모집단으로부터 개체를 랜덤하게 소정수 선택하고, 교차(交叉) 처리에 의해 아들 개체(子個體; sub-individual, child individual)를 생성한다. 교차 처리라 함은, 선택한 부모 개체(親個體; main-individual, parent individual)의 카피(copy)를 각각 임의의 개수(任意個) 생성해서, 그들 카피 개체 사이에서 유전자의 일부를 교환(交換)하거나, 혹은 각각의 유전자로부터 새로운 유전자를 생성하는 것에 의해 임의의 개수의 아들 개체를 생성하는 처리이다.

S61에서는 S60에서 생성된 아들 개체의 평가값을 계산한다. 평가값이라 함은, 염색체 중의 유전자가 파라미터로서 얼마나 이상적(理想的)인 값에 가까운지를 나타내는 값이다. 반도체 제조 라인에 적용하는 경우에는, 염색체 중의 유전자를 모델 파라미터로 하는 트랜지스터 전기 특성 모델 함수로 계산한 특성의 추정값과, 트랜지스터의 시작(試作) 실험에 의해 얻어진 특성의 측정값과의 제곱(二乘; square) 오차(誤差)를 계산한다. 그리고, 제곱 오차값이 낮으면 낮을 수록 평가가 좋은 것으로 한다.

S62에서는 S60에서 선택한 부모 개체와 생성한 아들 개체 중에서 평가가 좋은 순으로 취출(取出; extract, take out)한 개체수분(個體數分) 만큼을 모집단으로 되돌려보내고, 나머지를 파기(破棄)한다. 이 처리에 의해서 평가값이 낮은 염색체가 도태(淘汰)된다. 또한, 이 이외에, 부모 개체의 일부를 도태 대상(對象)으로 하지 않고 그대로 모집단으로 되돌려보내고, 나머지 부모 개체와 아들 개체로부터 평가가 좋은 순으로 「나머지 부모 개체」수 분만큼 되돌려보내는 방법, 혹은 모든 개체를 모집단으로 되돌려보내고 나서, 원래의 모집단의 수만큼 남기고 다른 것(他)을 도태시키는 방법을 이용해도 좋다.

통상, GA에서는 교차 이외에 돌연변이라고 하는 처리를 행한다. 그러나, 예를 들면 상기한 특허 문헌에서는, 교차 과정에서 난수(亂數)를 이용하여 아들 개체의 유전자를 생성하고 있기 때문에, 돌연변이의 성질도 겸비(兼備)하고 있다. 그 때문에, 상기와 같은 교차 수법을 이용하는 경우에는 따로(別) 돌연변이는 행할 필요가 없다. 또한, 실수값(實數値)을 취급하는 GA의 경우, 돌연변이 처리로서 염색체의 각 유전자에 정규(正規) 분포에 따라서 발생시킨 정규 난수를 가산하는 조작이 제안되고 있으며, 이와 같은 돌연변이 처리를 추가해도 좋다.

S63에서는 정밀도, 즉 개체의 파라미터를 사용한 물리 모델의 실험 결과와의 오차=평가값이 가장 좋은 것이 목표값에 도달해 있는지 여부가 판정되고, 판정 결과가 긍정인 경우에는 S72로 이행한다. S64에서는 GA 처리 (세대 교대)가 미리 정해진 회수(도 2에서는 6회) 실행되었는지 여부가 판정되고, 판정 결과가 긍정인 경우에는 S72로 이행한다.

S65에서는, 국소법용의 개체 추출(抽出) 주기(도 2에서는 3회)가 도래(到來)했는지 여부가 판정되고, 판정 결과가 긍정인 경우에는 S66으로 이행한다. S66에서는, 평가가 좋은 개체를 소정수만큼 국소법용 CPU에 전송한다. S67에서는, 이주 주기(도 2에서는 2회)가 도래했는지 여부가 판정되고, 판정 결과가 긍정인 경우에는 S68로 이행하지만, 부정(否定)인 경우에는 S60으로 되돌아간다.

본 발명의 병렬 GA 방식은 개체 집단을 프로세서마다 독립해서 진화시킨다. 이 때문에, 프로세서마다의 GA에서는 단일 집단의 GA에 비해서 풀이(解; integral, solution)의 다양성이 저하하기 때문에 피팅 성능이 저하해 버린다. 그래서, 이주라고 불리는 처리를 추가한다. 이주는 각 CPU의 개체 집단 사이에 염색체의 교체(入替; interchange)를 행하는 처리이다. 이 처리에 의해, 풀이의 다양성을 유지(維持)하고, 단일 집단시와 동등(同等) 이상의 피팅 성능을 유지한다.

S68에서는, 평가가 상위인 개체를 소정 개수만큼 추출한다. S69에서는, 추출한 개체 데이터를 미리 정해진 CPU에 전송한다. 전송할 곳(轉送先; transmission destination)의 CPU는 미리 고정되어 있어도 좋고, 몇 회째(何回目)는 어느 CPU에 전송할지를 결정하는 테이블 혹은 연산식(演算式)을 미리 작성하여 배포해 두어도 좋다. 1예로서는, 예를 들면 CPU1은 CPU2에, CPU2는 CPU3에, …CPUn-1은 CPU1에와 같이 링 모양(狀)으로 전송해도 좋다. S70에서는, 다른 CPU로부터의 이주 데이터를 수신한다. S71에서는, 이주 데이터를 개체의 모집단에 더(加; add, apply)하고, S60으로 되돌아간다.

종료가 판정된 경우에는, S72에서 처리 결과인, 평가값이 상위인 소정 개수 의 개체 정보를 관리 CPU에 전송하고, 보고(報告)하여 GAn 처리를 종료한다.

이상과 같은 구성 및 처리에 의해서, 단시간에 고정밀도(高精度)의 파라미터 조정을 할 수 있다. 그리고, 물리 모델에 해당(當該) 파라미터를 채용하는 것에 의해, 시작(試作)을 하지 않고 고정밀도의 회로 시뮬레이션을 행할 수 있으므로, 반도체 소자(素子)의 제조 효율이 향상한다.

이상에서 실시예 1을 설명했지만, 본 발명의 파라미터 조정 장치에는 이하와 같은 변형예도 생각된다. 실시예에서는 국소법 처리용의 개체는 주기적으로 상위의 것을 송신하는 예를 개시(開示)했지만, 각 GA용 CPU에서 소정의 정밀도를 만족시키는 것이 출현(出現)한 경우에, 그 개체 정보를 국소법용 CPU에 수시(隨時)로 송신하도록 해도 좋다.

실시예에서는 각각의 CPU는 GA 처리 혹은 국소법 처리의 어느것인가 한쪽에 할당하는 예를 개시했지만, 예를 들면 1대만 처리 능력이 높은 CPU가 있는 경우 등에는, 처리 능력이 가장 높은 CPU에 GA 처리와 국소법 처리의 양쪽을 할당하고, 그 밖의 CPU에 GA 처리만을 할당하도록 하는 것도 가능하다.

실시예에서는 GA 처리의 중간 결과가 상위인 것에 대해서 국소법에 의한 탐색을 행하는 예를 개시했지만, 파라미터 공간 내에서 평가값의 피크가 복수개 있는 경우 등에 있어서, GA 처리의 중간 결과가 상위인 것이, 파라미터 공간에서 소정의 범위 내에 들어가는 복수의 그룹으로 분류(分類)할 수 있는 경우에는, 각각의 그룹의 대표 개체에 대해서 국소법에 의한 탐색을 행하도록 해도 좋다.

본 발명의 파라미터 조정 장치는 복수의 처리 수단을 이용하여 유전적 알고리즘을 사용하여 파라미터를 최적화하는 임의의 파라미터 조정 장치에 적용할 수가 있다.

Claims (5)

1. 복수(複數)의 처리 수단을 이용하여 유전적(遺傳的; genetic) 알고리즘을 사용하여 파라미터를 최적화(最適化)하는 파라미터 조정(調整; adjustment) 장치에 있어서,

   상기 복수의 처리 수단 내(內)의 일부를 국소 탐색법(局所探索法)에 의한 탐색 처리에 할당(割當; assignment)하는 처리 할당 수단을 구비한 것을 특징으로 하는 파라미터 조정 장치.
2. 제1항에 있어서,

   상기 처리 할당 수단은, 상기 복수의 처리 수단 내의 처리 능력이 가장 작은 것을 국소 탐색법에 의한 탐색 처리에 할당하는 것을 특징으로 하는 파라미터 조정 장치.
3. 제1항에 있어서,

   상기 복수의 처리 수단 내의 유전적 알고리즘에 의한 처리에 할당된 처리 수단으로부터 탐색의 중간 결과를 수집(收集)하고, 국소 탐색법에 의한 탐색 처리에 이용하는 탐색 처리 제어 수단을 더 구비한 것을 특징으로 하는 파라미터 조정 장치.
4. 제1항에 있어서,

   상기 복수의 처리 수단 내의 유전적 알고리즘에 의한 처리에 할당된 처리 수단에서의 유전적 알고리즘 처리되는 개체수(個體數)를 각각의 처리 수단의 처리 능력에 따라서 결정하는 개체수 결정 수단을 더 구비한 것을 특징으로 하는 파라미터 조정 장치.
5. 제1항에 있어서,

   상기 복수의 처리 수단은 각각 탐색 처리 종료 조건을 만족시키는지 여부를 판정(判定)하는 판정 수단을 구비하고, 임의(任意)의 처리 수단에서 종료의 판정이 이루어진 경우에는, 장치 전체의 처리를 종료하는 것을 특징으로 하는 파라미터 조정 장치.

Images