【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】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】制御工学

【研究領域課題番号】10650434 (KAKENデータベースで見る）

【研究キーワード】

学習 / 最適化 / カオス / 共生 / ゲート付きニューラルネットワーク / RBFネットワーク / 自律移動エージェント / 非線形システム制御 / ニューラルネットワーク / ゲート / 適応 / 自律システム / ケート付ネットワーク / 経路切替 / 強化学習 / 一般化 / 最適値探索

【研究成果の概要】

本研究課題である「モデル内部形成型自律システム」の構築には,多様な試行に基づいて学習を行う手段,学習結果の中から未学習の状況にも適用可能な一般性の高いものを抽出して表現する手段,階層的な構造をもつ制御機構とその適切な切替え機構が必要である.これらを実現するために,以下の事項について研究を行った.
多様な試行に基づいた学習を実現する手段として,非決定論的な試行を生み出すことが可能なカオス的な挙動の生成と消滅を制御できる機構,探索範囲を必要に応じて自動的かつ階層的に拡大あるいは縮小する最適化法,多様な解を得ることができる遺伝的共生アルゴリズム,最適化手法に含まれる設計パラメータをも適切な値に自動調整する発見的最適化手法を開発し,それぞれ例題を用いてその有効性を検証した.
一般性のある知識の抽出の実現手段として,入力ゲート付きニューラルネットワークとRBF(Radial Basis Function)ネットワークのノード統合手法を考案し,より少ない変数(条件)で表される一般的なルールの抽出を行うことができることを,自律移動エージェントの行動学習を例として確認した.
また,ノードゲート付きニューラルネットワークを開発し,これにより複数階層からなる制御系とその切替え機構が実現できることを,非線形システム制御を例題として確認した.さらに,移動エージェントの行動学習において,与えられた環境のみに有効な行動方針を学習する通常の学習に加え,一般性の高い知識を抽出する学習方法を付加し,環境が変化した場合にも,環境変化に素早く対応できる行動学習システムを構築した.

【研究種目】基盤研究(C)

【研究期間】1998 - 1999

【配分額】3,000千円 (直接経費: 3,000千円)

【研究分野】計測・制御工学

【研究領域課題番号】09450171 (KAKENデータベースで見る）

【研究キーワード】

ニューラルネットワーク / 遺伝的アルゴリズム / ファジイ / 一般化学習ネットワーク / 高次微分 / 共生 / ロバスト制御 / カオス制御 / モデル化 / 学習 / 確率 / 制御 / 安定性 / カオス / 集中化・多様化 / ネットワーク / 離散事象 / オートマトン / ゲート

【研究成果の概要】

本報告は、科学研究補助金に関する研究課題「学習ネットワークによる複雑システムのモデル化とインテリジェント制御に関する研究」についての研究成果である。
広域電力ネットワークシステム、分散型交通・物流ネットワークシステム、総合上水道ネットワークシステム、大規模複雑原子力・火力・化学プラント等最近の制御対象は大規模化、複雑化、広域化、分散化する傾向にある。
それに従い、従来の制御理論の枠組では環境の変化と多様な目的に対応する高度な制御を行う事が困難となり、従って、制御システム全体を非線形ネットワークとして捉え、これにより既存の制御手法にはない柔軟性と創造性を持ったシステムを構築する事が強く求められていた。
そこで、本研究では生命現象をも含む自然現象及び論理の世界を大規模複雑なシステムとして捉え、これをモデル化し制御するための一般化学習ネットワーク(ULNs:Universal Learning Networks)と確率一般化学習ネットワーク(PrULNs:Probabilistic Universal Learning Networks)およびネットワーク最適化の学習方式である適応的ランダム探索法(RasID:Random Search Method with Intensification and Diversification)と遺伝的共生アルゴリズム(GSA:Genetic Symbiosis Algorithm)を開発した。
又、これ等の手法を具体的応用システムに展開し、ロバスト制御、カオス制御等が統一した枠組の中で論ずる事が出来る事を明らかにしている。

【研究種目】基盤研究(B)

【研究期間】1997 - 1999

【配分額】9,500千円 (直接経費: 9,500千円)