| 題名 | 適合度に基づく個体の変動を取り入れた遺伝的アルゴリズムのルーレット選択法 |
| 著者 | *植田 祥明, 久保田 良輔 (宇部工業高等専門学校), 堀尾 恵一 (九州工業大学) |
| Page | p. 252 |
| Keyword | 遺伝的アルゴリズム, 実数値遺伝的アルゴリズム, 選択 |
| Abstract | 本研究では，効果的な探索を実現することを目的として，遺伝的アルゴリズム(Genetic Algorithm: GA)における遺伝的多様性を維持した新しい再生法を提案する．提案手法では，再生後の個体を、従来の再生法によって選ばれた個体に対して，適合度に基づく変動ベクトルを加えることで生成する．特に，本論文では，個体に与える変動を一様分布および正規分布に基づいて生成する場合の双方について検討する．提案手法を種々の最小化問題に適用し，従来手法との比較を行った結果，その有効性を確認することができた． |
| 題名 | 粒子群最適化法における自己最良位置の混合法に関する一検討 |
| 著者 | *松田 望, 久保田 良輔 (宇部工業高等専門学校), 田向 権 (東京農工大学) |
| Page | p. 253 |
| Keyword | Particle swarm optimization, 自己最良位置 |
| Abstract | 本研究では，粒子群最適化法（Particle Swarm Optimization: PSO）の探索性能を改善することを目的として，自己最良位置の混合成分を考慮した際の探索性能について検証する．提案手法では，集団最良位置の混合成分を求めるため，各粒子の自己最良位置について，適合度に関する重心を求め，これをもとに時時刻の粒子の位置を決定する．種々のベンチマーク関数に提案手法を適用した結果，提案手法が探索性能の向上に有効であることを確認できた．また，関数ごとに適切なパラメータを設定することで，探索性能はさらに向上することが確認できた． |
| 題名 | 新指数型進化的プログラミングの有効性に関する研究 |
| 著者 | *吉田 剛志, 井上 浩孝 (呉工業高等専門学校) |
| Page | pp. 254 - 255 |
| Keyword | 戦略パラメータ, 突然変異, 進化的プログラミング, 新指数型進化的プログラミング |
| Abstract | 進化的プログラミングは最適化問題などに用いられる手法である。従来の進化的プログラミングは解の精度を高めると局所解に陥り、局所解に陥らないようにすると精度が悪くなった。また計算速度も遅かった。その欠点を改良したのが新指数型進化的プログラミングである。探索範囲を決定する戦略パラメータの選定方法や突然変異のプロセスの変更により局所解に陥る場合が格段に減り、精度が向上し、計算速度も従来の進化的プログラミングの4倍ほどになった。また、さらなる計算速度の向上のため計算回数を調整したことにより、新指数型進化的プログラミングの計算速度が4倍ほどになり、従来の進化的プログラミングに比べ格段に向上した。 |
| 題名 | グローバル人材育成のためのGPによるEUデータ分析 |
| 著者 | *小谷 悠太, 木村 周平 (鳥取大学大学院), 白木 三秀 (早稲田大学大学院), 松村 幸輝 (鳥取大学大学院) |
| Page | p. 256 |
| Keyword | GP, 人的資源管理 |
| Abstract | 海外派遣を成功させるために各企業で海外派遣プログラムが作成されたり，派遣前の研修が実施されている．海外派遣において必要となる要因を分析し明確にすることで，より効率のよい人的資源管理を可能にすることが重要な課題である．本研究は，海外駐在社員に対して行ったアンケート調査の結果を用いて，海外派遣社員の有効な選抜を支援するための評価システムを構築することを目指す．具体的には決定木を作成し，進化的計算を用いて最適化を行った．そして，海外派遣に関する有用な知識の発見および実用的な評価ツールの作成を試み新たに得たEUのデータの分析を行った． |
| 題名 | 最大クリーク問題に対する新たなk-opt局所探索法の検討 |
| 著者 | *渡邉 好幸, 片山 謙吾, 南原 英生, 西原 典孝 (岡山理科大学) |
| Page | pp. 257 - 258 |
| Keyword | 組合せ最適化, MCP |
| Abstract | 最大クリーク問題に対する解法として，我々は可変深度探索のアイデアを借りたk-opt局所探索法(k-opt local search, KLS)および反復k-opt局所探索法(Iterated k-opt Local Search, IKLS)を提案している．これらの解法をDIMACSベンチマークグラフに適用した結果，大規模かつ難題として知られている幾つかのグラフ例題に対し非常に効果的であった．その一方で，比較的結果が劣るものも存在し，様々な特徴を持つグラフ例題すべてに対応可能なアルゴリズムの設計は難しいと考えられる．そこで本研究では，従来のKLSのように，頂点の次数を優先的に考慮するのではなく，頂点がクリークに含まれた回数をもとに探索する，新たなk-opt局所探索法を提案し，その性能を評価する． |