【研究分野】ソフトコンピューティング

【研究領域課題番号】17H01795 (KAKENデータベースで見る）

【研究キーワード】

進化計算 / 遺伝的アルゴリズム / 遺伝的プログラミング / ニューロ進化 / 深層学習 / 進化ロボティクス / 力学系解析 / 遺伝子ネットワーク / 動的システム / 創発デザイン / 動的適応系

【研究成果の概要】

本研究ではモジュラ性を有するニューロ進化の有用性を検証した．検証法としては，各種ベンチマーク問題に適用した進化の結果に関して階層的な繰り返し構造が得られるかを解析した．モジュラ性によって，ニューロ進化の時間的な発達過程で情報が再利用でき，新しい構造を展開できると期待される．それにより，従来の人工物設計に伴う困難さ（部分解から全体の解が適切に得られない点や環境の変化にロバストに適応できない点）の解決を試みた．

【研究の社会的意義】

これまで神経回路網の進化と時間発展の考えを取り入れて構築されたモデルはほとんどない．さらにこの統一的な視点にたって人工物設計での実証研究を試みるものは極めて少ない．そのため，本研究は理論的基盤にたってニューロ進化の枠組みをロバストな設計に応用するという学術的な特色がある．本研究により，ニューロ進化による知能創発の有効性が，ハードウェアとソフトウェアの創発デザインを通して明らかになる．

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】14,690千円 (直接経費: 11,300千円、間接経費: 3,390千円)

【研究分野】ソフトコンピューティング

【研究領域課題番号】26280094 (KAKENデータベースで見る）

【研究キーワード】

遺伝的プログラミング / 進化計算 / 遺伝子ネットワーク / 進化発生アプローチ / 遺伝子アルゴリズム / 力学系 / 動的適応システム / 遺伝的アルゴリズム / Evo-Devアプローチ / 進化発達系 / 発生型アプローチ / 発生型システム / Evo-devアプローチ / 進化型ロボット

【研究成果の概要】

本研究では，「進化発生アプローチ」という考えに基づいて，新奇なプログラム進化の手法（発生型遺伝的プログラミング）を構築する．従来の遺伝的プログラミング(Genetic Programming, GP)では，(1)探索が必ずしも効率的でない，(2)探索過程で表現型が複雑化して空間計算量が莫大になる，(3)進化の結果として得られた表現の頑強性が必ずしも高くない，などの点が指摘されていた．そこで本研究では，遺伝子ネットワークの枠組みを利用して遺伝的プログラムを生成し，頑強な動的適応システムを実現した．

【研究種目】基盤研究(B)

【研究期間】2014-04-01 - 2018-03-31

【配分額】13,260千円 (直接経費: 10,200千円、間接経費: 3,060千円)

【研究分野】感性情報学・ソフトコンピューティング

【研究領域課題番号】21300090 (KAKENデータベースで見る）

【研究キーワード】

遺伝的プログラミング / 進化計算 / 対話型進化計算 / 遺伝的アルゴリズム / EDAアルゴリズム / 進化型ロボット / 進化型システム / 機械学習 / ヒューマノイドロボット / 自動作曲 / 創発デザイン

【研究成果の概要】

本研究では,「確率文法に基づくプログラム進化」という考えを提案し,遺伝的プログラミングを拡張した自動プログラミング法を構築した.これは,集団探索ではあるが交叉と突然変異を用いず,プログラムを生成する確率文法の確率分布を推定することによりプログラム進化を行う手法である.さらに,提案する手法を,創造支援,ロボット工学,金融工学,Webインテリジェンスなどの実際的な問題を対象にして検証し,その有効性を確認した.

【研究種目】基盤研究(B)

【研究期間】2009 - 2011

【配分額】14,690千円 (直接経費: 11,300千円、間接経費: 3,390千円)

【研究分野】システム工学

【研究領域課題番号】20360179 (KAKENデータベースで見る）

【研究キーワード】

進化論的計算手法 / 遺伝的アルゴリズム / 遺伝的プログラミング / データマイニング / 相関ルール / システム情報(知識)処理 / 達伝的アルゴリズム

【研究成果の概要】

有向グラフ構造を持つ進化論的計算手法である遺伝的ネットワークプログラミング(GNP)は膨大なデータベースの中から多くの相関ルールを抽出することが可能であり、さらに遺伝的関係アルゴリズム(GRA)によって、抽出されたルールの中からより重要なルールを明確にすることが可能になった。GNPとGRAの融合方式に関する研究は、主にそれらの基本アルゴリズム、拡張アルゴリズムおよび各種応用システムの構築により行い、優れた性能を示すことを明らかにした。

【研究種目】基盤研究(B)

【研究期間】2008 - 2011

【配分額】18,460千円 (直接経費: 14,200千円、間接経費: 4,260千円)

【研究分野】感性情報学・ソフトコンピューティング

【研究領域課題番号】19300075 (KAKENデータベースで見る）

【研究キーワード】

遺伝的プログラミング / 遺伝的アルゴリズム / 進化計算 / ヒューマノイドロボット / 自動作曲 / 創発デザイン / EDAアルゴリズム / 対話型進化計算 / EDP / EDA / 人工遺伝子ネットワーク / プログラム進化

【研究成果の概要】

本研究では,確率モデルに基づくプログラム進化である「プログラムの分布推定:EDP(Estimation of Distribution Programming)」という考えを提案し,遺伝的プログラミングを拡張した自動プログラミング法を構築した.より詳細には,集団探索ではあるが交叉と突然変異を用いず,プログラムの確率分布を推定することにより進化を行い,頑強で効率のよい手法を実現した.提案手法では確率変数の依存関係を表す確率分布モデルを複数の候補で組み合わせ,プログラム集団の確率分布を推定することによりプログラム進化を実行する.この手法は以下で述べる従来の最適化アルゴリズム(EDA)を拡張したものである.さらに本研究では,提案するEDPに基づいて構築した進化システムの有効性を,ヒューマノイド・ロボットの動作生成,金融工学におけるデータマイニングと予測,バイオインフォマティックスにおける遺伝子因果関係の解析などの実際的な問題領域を対象にして検証した.

【研究種目】基盤研究(B)

【研究期間】2007 - 2008

【配分額】9,230千円 (直接経費: 7,100千円、間接経費: 2,130千円)

【研究分野】感性情報学・ソフトコンピューティング

【研究領域課題番号】17300072 (KAKENデータベースで見る）

【研究キーワード】

遺伝的プログラミング / 遺伝的アルゴリズム / 進化計算 / ヒューマノイドロボット / 自動作曲 / 創発デザイン / 生成的インタラクション / 対話型進化計算 / 遺化的アルゴリズム / ヒューマノイド・ロボット / 進化システム / 音楽情報処理 / 進化論的計算 / 人工生命 / 進化型ハードウェア

【研究成果の概要】

本研究では、対話型進化計算を用いて人間とコンピュータの相互協力が可能なデザインシステムを構築した。これは人間の評価系をモデル化して組み込むという従来の分析的なアプローチに対して、人間そのものを設計過程に取り込み、本人の評価に基づいてコンピュータに最適な設計をさせるアプローチである。逆にいえば、適合度が陽には定義されない分野に対して、ユーザの協力により淘汰圧をあたえることで望みの進化を達成することを目指す。具体的には遺伝的プログラミングをインターラクティブに利用して、複雑な設計問題への有用な支援ツールを実現した。
本研究においては、(1)音楽、(2)WWW上の擬人化エージェントキャラクタ、(3)ロボットの動作デザイン、の3つの分野に絞って、システムの有効性を明らかにした。これらはそれぞれ(1)芸術、(2)マルチモーダルの感性や(3)工学的最適化設計に対応し、異なる代表的なデザイン領域と考えられる。
具体的には以下の項目について、研究を実施し、提案手法の有効性を実験的に明らかにした。
1.創発デザインシステムの基本部分の設計を行った。特に進化を効率的に導くための的確な遺伝子表現の開発、及び対話部分の実装を重視した。
2.デザインといえどもある種の拘束条件での準最適値の探索が不可欠である。そのために、構築したシステムの基本的な探索能力の検証をした。具体的には様々なベンチマーク問題に対して空間/時間計算量を従来のシステムと比較し、探索能力を解析した。
3.音楽(特にリズム)の対話的生成システムを実現し、創発デザインの有効性を示した。
4.WWW上の擬人化エージェント(MPMLキャラクター)の対話型設計システムを構築し、人にとって親しみやすいプレゼンテーションエージェントを実現し、感性情報処理からみた有効性を議論した。
5.創発デザインシステムを用いてロボットの動作設計を行い、設計手法に関しての実世界での頑強性をテストした。

【研究種目】基盤研究(B)

【研究期間】2005 - 2006

【配分額】7,200千円 (直接経費: 7,200千円)

【研究分野】システム工学

【研究領域課題番号】17360186 (KAKENデータベースで見る）

【研究キーワード】

進化論的計算手法 / 遺伝的アルゴリズム / 遺伝的プログラミング / データマイニング / 相関ルール / 進化型計算 / 学習 / 共生 / 機能局在 / マクロノード / 進化 / ニューラルネットワーク

【研究成果の概要】

自然や生物に学ぶ問題解決法である遺伝的アルゴリズム(GA)は、は自然界のシステムの適応過程を説明するモデルとして提唱されてきた。また、知識表現、プログラム、概念木などを扱う遺伝的プログラミング(GP)が開発されている。これらのいわゆる進化論的計算手法は工学的最適化のための手法として現在アルゴリズムの開発と応用への展開が盛んに進められている。しかし、従来の進化論的計算手法は、遺伝子をストリングあるいは木構造で表現しているため、その表現能力、進化性能等で対象システムのモデル化および最適化の点で不十分である。したがって、研究代表者らは有向グラフを遺伝子とする遺伝的ネットワークプログラミング(Genetic Network Programming, GNP)を提案し、その有効性の検証を行ってきたが、本研究課題では、以下のようなGNPの新たな展開と実システムへの応用を推進した。
1. GNPの新たな展開
学習と進化の融合、機能局在型GNP、マクロノード付きGNP、共生学習進化型GNP、可変構造型GNP
2. GNPの応用展開
エレベータ群管理システムへの応用、データマイニングへの応用、株式売買モデルへの応用
GNPは、判定ノードと処理ノードを方向付きリンクで接続したもので、グラフ構造ゆえにノードの重複活用が可能であり、表現能力、アルゴリズムの把握のしやすさ、進化性能の点で優れている。また、有限オートマトンとも異なり、必要な情報を必要な時に判定するなど部分観測マルコフ決定過程下での進化が可能であり、応用分野の拡大が期待できる。

【研究種目】基盤研究(B)

【研究期間】2005 - 2007

【配分額】14,820千円 (直接経費: 13,800千円、間接経費: 1,020千円)

【研究分野】知能情報学

【研究領域課題番号】15300040 (KAKENデータベースで見る）

【研究キーワード】

遺伝的アルゴリズム / 遺伝的プログラミング / 進化論的計算手法 / 対話型進化論的手法 / 創発デザイン / 進化型ハードウェア / 擬人化エージェント / WWW / 対話型進化計算 / 創造支援

【研究成果の概要】

本研究では、対話型進化計算を用いてイメージ構成やデザイン問題に対して人間とコンピュータの相互協力の可能なシステムを構築した。これは人間の評価系をモデル化して組み込むという従来の分析的なアプローチに対して、人間そのものを設計過程に取り込み、本人の評価に基づいてコンピュータに最適な設計をさせるアプローチである。具体的にはGAやGPをインターラクティブに利用して、複雑な設計問題への有用な支援ツールを実現した。とくに、(1)音楽、(2)3次元アーキテクチャ、(3)WWW上の擬人化エージェントキャラクタ、の3つの分野のデザインに絞って、以下のようにシステムの有効性を明らかにした。これらはそれぞれ聴覚、(2)視覚、(3)マルチモーダルの感性に対応し、代表的なデザイン領域と考えられる。
1、音楽(特にリズム)の対話的生成システムを実現し、創発デザインの有効性を明らかにする。
2.WWW上の擬人化エージェント(MPMLキャラクター)の対話型設計システムを構築し、人にとって親しみやすいプレゼンテーションエージェントを実現する。
3.創発デザインシステムを用いて3次元のアーキテクチャの設計を行い、感性情報処理からみた有効性を議論する。
さらに開発した手法をソフトウェアだけではなく、ハードウェアのデザインにも適用する。具体的には進化型ハードウェアの設計に対して本手法を適用し、望ましいハードウェア設計の実現システムを構築した。

【研究種目】基盤研究(B)

【研究期間】2003 - 2004

【配分額】8,500千円 (直接経費: 8,500千円)

【研究分野】システム工学

【研究領域課題番号】14350212 (KAKENデータベースで見る）

【研究キーワード】

学習 / 進化 / 共生 / 強化学習 / 遺伝的アルゴリズム / 知的システム / 相互作用 / マルチエージェント / ニューラルネットワーク / 遺伝的プログラミング / 知的エージェント / 複雑システム / 共生学習 / 共生進化 / ネットワーク構造

【研究成果の概要】

本研究では、知的システムの構築に必要な、知的工一ジェントの構築、エージェント問の相互作用の構築、マルチエージェントシステムの学習と進化をテーマに研究を推進してきた。
1.知的工一ジェントの構築:有向グラフ構造でプログラムを構成する遺伝的ネットワークプログラミング(GNP)を開発し、エージェントの行動生成における性能評価を行ったところ、従来手法と比べて良い性能を示すことが明らかになった。
2.エージェント間の相互作用の構築:GNPで構成される複数のエージェント間の知的相互作用を構築するため、共利、競争、搾取、利他という生態系における共生の概念を応用した、共生学習進化アルゴリズム(Masbiole)を開発した。タイルワールド問題を用いたシミュレーションの結果、提案手法が共生戦略を導入したことによる複雑なエージェント間の相互作用を示すことを明らかにした。
3.マルチエージェントシステムの学習と進化:一般に、生物は長い世代を通じて行われる進化と、一生の間に試行錯誤を通じて行われる学習が相互に影響しあってその発達を促進していると考えられる。この考え方を基に、上記1で提案したGNPと強化学習と呼ばれる学習アルゴリズムを組み合わせることで、より効率的な処理ができるプログラムを自動生成する手法を開発した(学習進化型GNP)。複数の個体問で選択、交叉、突然変異を行うことで良い個体が生成される進化に加え、各個体の処理実行中にもオンライン学習によるプログラムの改善が行えることにより、進化のみのGNPおよび従来の進化型計算手法(遺伝的プログラミング)より性能が良くなることを明らかにした。

【研究種目】基盤研究(B)

【研究期間】2002 - 2004

【配分額】14,200千円 (直接経費: 14,200千円)

【研究分野】知能情報学

【研究領域課題番号】13480088 (KAKENデータベースで見る）

【研究キーワード】

遺伝的プログラミング / 遺伝的アルゴリズム / 回路設計 / アナログ回路 / 論理回路 / 進化型システム / ロボット / 高速化推論

【研究成果の概要】

広範囲のハードウェアに適用可能な進化型設計パラダイムの構築を目的として、本研究ではGPを以下のように拡張し、進化的デザインシステムを実現するための学習の枠組を提案した。
1.遺伝的探索に適したプログラミング言語「進化型線形言語:LGPC(linear GPinClanguage)」を設計し、効率的な進化型システムを実現した。さらに構築されたGPシステムの効率を検証するために、様々なベンチマーク問題に対して空間/時間計算量を従来のシステムと比較し、その有効性を示した。このシステムLGPCは現在研究室のHPからダウンロード可能なシステムとして公開されている。
2.構築したシステムをさらに発展させ、マルチエージェントのロボット学習や実データ時系列予測などに適用した。とくに、実世界応用の可能性を探るため、複数要素からなる系を任意の形の連立微分方程式でモデル化し、与えられた時系列データからこれを遺伝的プログラミングにより推定することを試みた。この推定手法では、探索を向上させるため最小二乗法も併用している。本手法により、制御ネットワークをはじめさまざまな系を表す方程式系の推定を行った結果、与えられた時系列に極めて近い時系列を持つ方程式系の獲得、要素間因果関係の推定に成功した。
3.さらに、進化するアナログ回路の実現のため、可変長遺伝子に基づくアナログ回路進化システムを構築し、回路合成シミュレシミュレーションによりその有効性の検証を行った。具体的には、以下の手法を用いて遺伝的アルゴリズムのシステムを実装し、シミュレーションによる実験で有効性を検証した。(1)素子リスト型の染色体表現,(2)進化の段階化,(3)回路規模に対する淘汰圧力の導入。これによって、進化するアナログ回路の有用性と実現性が確認された。

【研究種目】基盤研究(B)

【研究期間】2001 - 2002

【配分額】6,200千円 (直接経費: 6,200千円)

【研究分野】知能情報学

【研究領域課題番号】11480071 (KAKENデータベースで見る）

【研究キーワード】

進化型システム / マルチ・エージェント / 遺伝的アルゴリズム / 遺伝的プログラミング / 学習 / 共進化 / 共生 / マルチエージェント

【研究成果の概要】

初年度に構築したマルチエージェント学習システムをいくつかの実用的な問題に対して適用し、その有効性を明らかにした。応用例としては、以下に述べるように広範囲の分野が含まれる。
1.WebロボットによるWWWサーチの適応的進化
構築したシステムに基づいて、共進化的手法による複数Webロボットの制御学習を行った。これによってユーザの興味にあったWebページを探索するアルゴリズムを実現した。
2.進化型ハードウェアの自動合成
本研究では、回路を複数の部分回路(エージェント)からなるマルチエージェント集団とみなして共進化型学習を適応し、的確なハードウェアを合成するシステムを構築した。
3.分散ロボットシステム
数台のプログラム可能な小型移動ロボット(K Team S.A.,Kheperaなど)の実験環境を実現し、実ロボットへの応用を試みた。具体的には、多数のロボットの間の協調行動の共進化型学習を実現した。本研究では共進化ということに焦点をあて、分業の達成、寄生行動、競争などの振る舞いに関してその実現と工学的観点からみた制御可能性に関して研究を行った。
4.ゲノム情報処理
開発した進化論的な計算手法(遺伝的アルゴリズム、遺伝的プログラミング)を応用して、動的な遺伝子・タンパク質ネットワークの推定を試みた。具体的には数十程度のノード数の重み付きネットワークモデルや微分方程式系モデルのトポロジーとパラメータの同定に成功した。
またこの他にも、量子回路の自動合成、対話型作曲支援、および金融データ予測などにも構築したシステムを応用し、その有用性を確認した。

【研究種目】基盤研究(B)

【研究期間】1999 - 2000

【配分額】7,200千円 (直接経費: 7,200千円)