遺伝的アルゴリズムを学ぼう

遺伝的アルゴリズムを勉強しています。参考になるサイト、および
シミュレーション・ソフトを教えて下さい。

よろしく。

２げっと

GAやってんの？
去年までやってたけど、大変だよね。
たいしたサイトはないけど(あるかもしんない)、
お勧めの本は北野さんの遺伝的アルゴリズム(有名だね)

ソフト開発わっしょい

北野さんの本って、あの１−４まであるやつ？それとも、別にあるの？

簡単な本で良いので教えて欲しいです。

また、ソフトで面白いのないかな。。。。

森川幸人："「マッチ箱の脳(AI)」 使える人工知能のお話" 新紀元社 2000年．
糸井重里ほぼ絶賛。
これはほんとにおもしろかった。

==2==C==H======================================================

　　　　　　　　　２ちゃんねるのお勧めな話題と
　　　　　ネットでの面白い出来事を配送したいと思ってます。。。
===============================読者数：102115人　発行日：2002/03/12
どもども、人格障害者のひろゆきですー。
今日は重大なお知らせがありますですー。
これまで２chでは、企業に対する真偽の曖昧な書き込みは削除しませんでしたが、これからは削除依頼が出たら一旦全て削除して、その真偽をおいらが責任を持って調査し、真実であると確信した時点で改めて復帰させ公開することにしましたですー。。。
これまでは企業に対して、書き込みの内容が嘘であることを「証明してみろ」という傲慢な態度を示してきましたが、これからはおいらが書き込みの内容が真実であることを証明してから大衆の目に触れさせることにしますですー、、、
いやぁ、よく考えると始めからこうするのが当然だったのかも知れませんねー。。。

ちなみに最近はDHCの裁判の模様をお伝えしてますが、それも話半分で聞いていてくださいー、、、
おいらは相手側の主張の極一部を抜き取って、自分の都合の良いように歪曲して報告してますが、その前後の話も含めれば本当は全く違う状況なんですよー、、、えぇえぇ、、、
おいらってば本当に卑劣な人間なんですよー。。。
向こうの弁護士さんも相当に怒っていると思いますですー。。。

ついでに言っておきますが、DHCの件もこれまでと同様に旗色が悪くなったら報告するのを止めますので予めご了承くださいですー、、、
本当は結果まで全て真実を報告して、もし削除するよう決定がくだれば、相手側の企業に対する謝罪のひとつでも掲載するべきなんですよねー。。。
おいらってば人格障害者なもんで許して欲しいですー。。。

んじゃ！

＞森川幸人："「マッチ箱の脳(AI)」 使える人工知能のお話" 新紀元社 2000年．
＞糸井重里ほぼ絶賛。
＞これはほんとにおもしろかった。
読みました。もうちょっと難しいのないですか？

「マッチ箱の〜」はどちらかというと
人工知能入門編みたいな本だからね。
面白いのは確かだけど。

ヤフーオークションで、凄い人気商品、発見！！！

「高性能ビデオスタビライザー」↓
http://user.auctions.yahoo.co.jp/jp/user/NEO_UURONNTYA

ヤフーオークション内では、現在、このオークション
の話題で、持ちきりです。

　　　　　　　
　　　　　　　 　　　　
　　　　　　　　　 　／　　 　　゛Y"　　　 　＼
　　 　 　　 　　　
　　　　　　　　　 　 　／　　　　　　　　　 　　　　 ＼
　　 　　　　　　 /￣￣￣￣）　　　 　 　 ＊　　　　 　（￣￣￣￣）
　　　　　　　　　|　　　 ─＜　　 　　 　 　|＼　　　　　 ＞─　　 (
　　　　　　　　　|　　　　　　）　　　　 /　 (|ミ;＼　　 　（　　　　 　）
　　　　　　　　　ヽ　　 ￣￣）　　 　/（___人|,iミ'=;＼ 　（ ￣￣　 　）
　　　　　　　　 /"￣￣￣￣ 　　／　　　　《v厂リiy＼ ￣￣￣￣＼
　　　　　 　　 /　　　　　　　　／ 　 　 　　 ゛|,/'' v:,,、.¨)z,_　　　　 　 ＼
　　　　　　　 /　　　　　　　／　　　 　　　　 ミ／　.-─ .゛》z、　　　　　 ＼
　　　　 　　 /　　　　　　／　　　　　　 　　　 〔」″ノ‐　、u　¨＼　　　 　　）
　　　　　　 (　　　　　　/　　　　　　　　　　 　 ゛|,　..冫 .rー　　 ￣＼_　　 　|
　　　　 　　 |　 　　　 〔　　　　　　　　 　　　　　ミ./′　　 r-ー　__,,ア┐　 |
　　　　 　　 |　　　　　 |　　　　　　　　　　　　　 ｛. .,,,,　　 .′　 ´′　.¨＼|
　　　 　　　 |　 　　 　 |　　　　　　　　　　　　　　∨　　 ノ冖′ =vvvvvv¨＼
　　　 　　　 |　　　　　/　　　　　　　　　　　　　　　ミ.　　 ,i'　　　　　　　　　　 .゛＼_
　　　 　　　 |　　　 　/　　　　　　　　 　　　　　　　.｛.　 ノ　　,r¬″　　　　　　　.¨＼
　　　 　　　 |　 　 　/　　　　　 　　　　　　　　　　　゛|,　|　　ノ　　　　　　ー'''''''''''　 .ーミz
　　　 　　　 |　　 　 |　　　　　　 　　　　　　　　　　　ミ.　　　　 .,、　._,,,、、r　　　,,,,_____　゛┐
　　 　＿／"　　 　　|　　　　　　　　　　　　　　　　　 .ミ.　　 .／′ ´′　　　　　￣⌒'h..￥
　 　（＿＿＿＿＿＿)　　　　　　　　　　　　　　　　　　｛.　　｝　　._,,,、　 ,ノ冖''^¨　　　 ″〕
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　゛|,　.,|　.／｀　 ,r'′　　vvvv、　　　|
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 .ミ、.｀　|　　　 二、　　　　　 〔　 、 ,|
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　.〔　　|　 .、　〔　　　　　 　　|　 |.,｝
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 .ミ　.′ .|　 〕　　　´Ａ`　 y-リ　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　.＼　　 |,　 ´v,　　　　 　 ,/′
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 ゛＼　.＼、　　　　.　　_／
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　¨'ーvu,,____''工レ-'″

ソフト：FRONTIER

GAって、そんなに、突っ込んでやるほど深いもんなの？
僕はＮＮの方が好きだから、知らないだけかもしれないけど、
ＧＡってあんまりバリエーションがないよね？
せいぜい、交配、突然変異、間引きの方法が違うくらいじゃないの？
それに、染色体が長くなるモデルは解が得られなかったが。

>>13
>それに、染色体が長くなるモデルは解が得られなかったが。
変数が多くなると解を得るのが難しくなるのはある程度しかたが
ないかと。

>>12
Frontierの利用経験者(ユーザ少ないからすぐ面割れてまうか？)
だったら、感想をキボン
>>13,14
問題によりけりでせう。例えば染色体が長く(探索空間が広い？)
ても、染色体の変化に対する適応度の応答が全空間に渡って単純
(線形とか)であれば、ほどなく解が得られるのでわ？

http://mentai.2ch.net/test/read.cgi/sim/960616675/
リンク。こっちにもオススメの本とかでてる。

重複だから統一したほうがいいのだろうか。
重複とかいちいちいえないぐらいの過疎板だが＜シミュ。。。

>>15
誤差関数の形状よりも、むしろ、作業環境が問題かと。
並列分散処理向きのアルゴリズムを１台のパソコンでやらせるなら、
かなり、前処理をしてやらないと。
あまり、複雑な問題は任せられないし、良い解が得られるまで、かなり時間がかかると思う。

GAのアプリで有名なのはどれ？
ニューラルネットで有名なのは？

ALIFE上でＧＡの固体を動かし、かつ、
この固体がＮＮを備えるということは
可能でしょうか？。
また、解は最適解へと向かうんでしょうか？

ＡＬＩＦＥってのは知らないけど、最適解へ収束するかどうかは、
ＧＡの淘汰（マビキ）の仕方によるんじゃない？
優良種を絶対に次世代に残すと、準最適解にはまる可能性がのこるし、
優良種の残る確立を高めるだけだと、せっかくＮＮで調節した物も、
消え去ってしまう可能性がある。
だからといって
全て（又は複数）の、固体にＮＮを施すのは、時間がかかりすぎるんじゃない？

漏れは卒業研究はGAだから、頑張るZO！

>>21
がんがれ。菊川怜（ｗ　も卒論は「遺伝的アルゴリズムを
用いたコンクリートのなんとかかんとか」だ。

age

（　´∀）・∀）,,ﾟД)http://diary.cgiboy.com/d01/tsugeikuhito/

28　名前：西村の同級生 投稿日： 2001/02/12(金) 10:08
中学の頃クラスでイタズラ電話や下駄箱の靴が紛失する事件が頻発したんだけど
その時、女子の間では「犯人西村」説が跋扈していた。
真相は藪の中だけど、実は私もそう思ってたうちの一人。
証拠もないのに疑いをかけるのは悪い事だと思うけど、西村にはそういう嫌疑を抱かせる
雰囲気があったのも事実。

>>22
ぜひとも、菊川玲様の卒論、読みたいです。
誰か、ＰＤＦ化して、アップしてくれや。

スレ建てれないんのれ、スピングラス、NNについてもここで語っていいれすか？

>>27
代わりに建ててあげるよ。

>28
おながいします。

でも、この板じゃ20行くかどうか。。。

『なるほどGA講座』
がすっごく勉強になるよ。見たい人は全国のゲーマーズへどーぞ

>>26
検索掛けたけど出なかったな。
学部学科によっては卒論のPDF保存が
始まっているんだけどね。
建築はまだだったなのかな。
ミーハー気分で卒論なんて借りたくないし（ｗ

> 1999, 遺伝的アルゴリズムを適用した
> 　　　　コンクリートの要求性能型の調合設計に関する研究, 菊川　怜

菊川は芸能活動が忙しかったので、実際にコンクリートをこね回さなくて
すむようなテーマを貰った、に１０ストリング

>>26
ttp://www.hehehe.net/library/C-00035.jpg

「遺伝的アルゴリズム
　遺伝的プログラミング」平野
これは、良いと思うよ。CD（サンプルプログラム）付いてるし。
ま〜、立ち読みしてみたら？

>>33
上祐の論文。

ところで>>21は、GAの中でも何をやるか決めたか？

こんにちわ。
卒研で多目的GAをやろうと思うんだけど、MOGAとかVEGAとかいろいろ乱立してて、
なんてやつが最もオーソドックスなの？
例えば、SGAを軸にして、RGAやらDGAやらを比較するじゃないですか？
つまり、多目的GAでSGAのようなところに位置しているものって？
よろしくお願いします！

こんにちわ。
卒研で多目的GAをやろうと思うんだけど、MOGAとかVEGAとかいろいろ乱立してて、
なんてやつが最もオーソドックスなの？
例えば、SGAを軸にして、RGAやらDGAやらを比較するじゃないですか？
つまり、多目的GAでSGAのようなところに位置しているものって？
よろしくお願いします！

[シミュレート板] 遺伝アルゴリズム使ってますか？
http://science.2ch.net/test/read.cgi/sim/960616675/
↑に統一しない？

めっちゃ賛成！！
誰か削除依頼ｷﾎﾞﾝﾇ

（＾＾）

（＾＾）

（＾＾）

　　 ∧＿∧
　　（　　＾＾ ）＜ ぬるぽ（＾＾）

　　　 　∧＿∧
ﾋﾟｭ.ｰ　(　　＾＾ ） ＜これからも僕を応援して下さいね（＾＾）。
　　＝〔~∪￣￣〕
　　＝ ◎――◎ 　　　　　　　　　　　　　　　　　　　　　山崎渉

>>35
ﾜﾗﾀ

話変わるけど、携帯ゲーム機"プレイステーションポータブル(PSP)

　このPSPは、新規格UMD(ユニバーサルメディアディスク)というディスクを利用しており、そのサイズは直径6cmととても小さい(CDの半分程度)。 容量は1.8GBとなっている。
画面は4.5インチのTFT液晶で、480px x 272px(16:9)。MPEG4の再生やポリゴンも表示可能。外部端子として、USB2.0とメモリースティックコネクタが用意されているという。

この際、スク・エニもGBAからPSPに乗り換えたらどうでしょう。スク・エニの場合、PSPの方が実力を出しやすいような気がするんですが。
任天堂が携帯ゲーム機で圧倒的なシェアをもってるなら、スク・エニがそれを崩してみるのもおもしろいですし。かつて、PS人気の引き金となったFF７のように。

いきなりこんな事言い出してすまそ…
GBAと比較してみてどうなんですかね？シェアの事は抜きで。

　　 ∧＿∧
　　（　　＾＾ ）＜ ぬるぽ（＾＾）

　　　 (⌒V⌒)
　　　│ ＾ ＾ │＜これからも僕を応援して下さいね（＾＾）。
　　⊂|　　　　|つ
　　　（＿）（＿）　　　　　　　　　　　　　　　　　　　　　　山崎パン

格安中古別荘販売！常時お薦め物件掲載中！
鈴蘭高原ハイエリア
東海ラジオグループ管理によるハイクラスのリゾート物件です。
温泉引湯権付き！
いつでも２４時間蛇口をひねるだけで
約４５℃の温泉が楽しめます。
詳しくは↓から
http://www.toukairizouto.co.jp/

がんばれ　がんばれ　ぼくのパンツ
ムチムチ　太もも　おうちゃく筋が
女のおびえる声を聞くと
だんだん　興奮してくるのじゃ

がんばれ　がんばれ　ぼくのおしり
ぼくのおしりを見ちゃった者は
とうちゃんだろうと　かあちゃんだろうと
みんな不幸になるんじゃあ

がんばれ　がんばれ　ぼくのホッペ
ホッペにはくさい　またにダイコン
ややこしいこと　しないかぼくと
ブタのおしりは　しつけ無し

こまわり君　こまわり君

>>1
基本的には
優性遺伝＞＞劣性遺伝（絶対？）
あとは、外的環境込みの確率じゃないのかなぁ？

遺伝的アルゴリズムというから、自然淘汰とか
なんらかの方向性は持ってるのかもしれないですね。

ＮＨＫで巨乳

C/C++でGA,GPするのにお勧めの入門書はありますか？教えて下さい

>>52
全くの素人ですが
>>34

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　　 　∧＿∧　 ∧＿∧　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
ﾋﾟｭ.ｰ　（　 ・３・） (　　＾＾ ） ＜これからも僕たちを応援して下さいね（＾＾）。
　　＝〔~∪￣￣￣∪￣￣〕 　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　＝ ◎――――――◎ 　　　　　　　　　　　　　　　　　　　　　山崎渉&ぼるじょあ
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

...これからも僕を応援して下さいね（＾＾）。　　　
　　
━―━―━―━―━―━―━―━―━[JR山崎駅（＾＾）]━―━―━―━―━―━―━―━―━―
　　　　　　　　　
　　　 　∧＿∧
ﾋﾟｭ.ｰ　(　　＾＾ ） ＜これからも僕を応援して下さいね（＾＾）。　　　　　　　　　　　　　　　　　　　　　　　　　
　　＝〔~∪￣￣〕　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　＝ ◎――◎ 　　　　　　　　　　　　　　　　　　　　　山崎渉　　　　　　　　　　　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　__∧＿∧_　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　|（　　＾＾ ）|　＜寝るぽ（＾＾）　　　　　　
　|＼⌒⌒⌒＼　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　＼ |⌒⌒⌒~|　　　　　　　　　山崎渉　　　　　　　　　　　　　
　　 ~￣￣￣￣　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　 ∧＿∧　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　（　　＾＾ ）＜ ぬるぽ（＾＾）　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　　 (⌒V⌒)　　　　　　　　　　　　　　　　　　　　
　　　│ ＾ ＾ │＜これからも僕を応援して下さいね（＾＾）。　　　
　　⊂|　　　　|つ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　　（＿）（＿）　　　　　　　　　　　　　　　　　　　　　　山崎パン　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　　 　∧＿∧　 ∧＿∧
ﾋﾟｭ.ｰ　（　 ・３・） (　　＾＾ ） ＜これからも僕たちを応援して下さいね（＾＾）。
　　＝〔~∪￣￣￣∪￣￣〕　　　　　　　　　　　　　　　　　　　　　　　　　　
　　＝ ◎――――――◎ 　　　　　　　　　　　　　　　　　　　　　山崎渉&ぼるじょあ

UNDX(-1)の不向きな問題ってどんなのがありますか
というのは、今解いてる問題が、UNDXだとうまく収束しないんです。
アドホックな「汚い」アルゴリズムだと、そこそこ収束するんですが。
できれば、UNDXか、ほかの標準的なアルゴリズムでどうにかしたいので。

ちなみに、設計変数は102実数ですが、制約条件が強く、実行可能領域は
15次元空間に限られています。
ペナルティ法では探索が進まないので、引き戻し法を使っています。
個体数100、子個体数100のMGGで、上記のアルゴリズムだと約10000世代で
収束します。

自分は今、最適化理論の研究をしているのですが、
遺伝的アルゴリズムが最適化理論に使えると知りました。
質問なんですが、遺伝的アルゴリズムは動学的な最適化にも
使えるのでしょうか？特に、ダイナミックプログラミング
との親和性は高いものなんでしょうか？教えてください。

遺伝的アルゴリズムはうんこです．

遺伝的アルゴリズムで解ける問題は，山登り法で解けます．
ＧＡを使わなくてはいけない状況になってる時点で，
あなたの研究は終わっています．

最適化問題に取り組むのであれば，
最適化手法の工夫ではなく，
最適化対象を工夫して，探索空間を狭める努力をしなさい．

繰り返しますが，「ＧＡを用いた…」という研究は、
「うんこ」です．

>>58　同意。
交叉の必然性が分からんよね。
自然界で性生殖システムは、適応度の高い遺伝子を個体の肉体的な限界を超えて残すための仕組みに過ぎない。
例えば、人間が無性生殖してもせいぜい２０人だけど、有性生殖なら３００人÷２の遺伝子を残せる。

生物の仕組みをマネすりゃいいってもんじゃないし、そもそもマネごとすらできとらんね。
ＧＡに価値があると思ってる人間は数理的なセンスが欠落してるんだろうね。
Ｊ.Ｈ.ホラントは学内政治のプロなんだろうなーって思う。

ちょっと言葉が足りなかったな。
ＧＡなら、交叉（性生殖）がなくても３００×（１−変異率）の遺伝子を残せるということです。

ドーキンスの革新性とか、サンタフェ研究所でのホラントのうんこ同然の業績とかを知らない素人がＧＡなんてものに飛びつくんだろうね。
ＧＡなんて、うんこいじりに時間とエネルギー使ってるようなもの。

まあ、ＧＡやってるような頭の弱い奴は反論できんだろ。
>>1 さん、ＧＡが無用であるということを学びましょう。

＞交叉の必然性が分からんよね。
＞>>1 さん、ＧＡが無用であるということを学びましょう。

↑そうそう．そういうことです．

う・ん・こ

菊川怜はウンコって結論でOK?

菊川の研究室はウンコ確定です。
どうせパラメータをちょこちょこいじって、くだらん論文出してるんだろうな。

菊川は勉強の才能はあるが、ビジネスとかシステム系の仕事に適正があるかどうかは全く分からない。
芸能界に入ったのは適切な選択だったかもしれないんで、菊川がウンコかどうかは断定できない。

菊○怜の研究室はGAにはあんまり関係なかったのでは？
あの子は研究にGAを使いたいから，
GAを研究してるウンコちゃん研究室に教えてもらいに行ってたらしい．

よって，
�@「菊○怜」＝ ０ウンコ
�A「菊○怜の研究室」＝ ７０ウンコ
�B「菊○怜にGA教えた研究室」＝ １００ウンコ

＜根拠＞
�@⇔すでにGAは使っていないため
�A⇔菊○怜が卒論にGAを用いる事を許可したため
�B⇔GAを研究しているため

う・ん・こ

>>66
菊川の指導教員って誰だったの？
普通、研究室の指導教員が研究指導するんじゃないの？

それは菊○怜に聞いてくれたまえ
東大生くん！

とにかく俺に言えるのは，
「ＧＡ≒うんこ」
ってことだよ

まぁ、うんこでもなんでも卒研で割ふられたのがＧＡじゃけん、やるっきゃねえ
評価関数が多峰性関数だと、探索次元が増えると、全然収束しねえええ！！
どうすっかなぁ……

なんでいまさらGAじゃけん。どこの大学だ。とやる気をなくさせるテスト

でも、やってみると意外とオモロイな。
文献が少ないから、インターネットで調べてるが、正直知識不足だ。

次は島モデルってのを実装してみる。
収束するかなぁ、ワクワク

>>69
俺も卒研がGAだ。
同じ大学？とか思ってみた。

同じくやってみたら少し楽しくなってきたところ。

ところで質問なんだけど2点交叉の場合って交叉点に頭と最後も入れる？
もし頭と最後をとった場合丸々入れ替わりになるし片方が頭か最後をとった場合1点交叉と変わらなくなるよね？
一応今は取らないように考えてるんだけどどうかな？

>>72
すまん、俺は実数値ＧＡなんで、コード化したＧＡの知識はあまりない……

っつーか、同期が驚く程性能の高い、アルゴリズムを編み出しやがった。
２０次元のGriewank関数で、親個体２０子個体２０で３００世代程もあれば確実に収束しやがる。
Rastriginも、Sphereも当然完全に収束。
難関のRosenbrock関数まで、なかなか良い値で収束。

やってることは単純なんだけど、発想が凄いわ
っつーか、いきなり性能アップさせやがって……
俺がやろうとしてる事が成功しても、おそらく雀の涙じゃん。。。

>>73
凄いな、実は全く何を言っているのかわからない。
うちの大学は理系と言うよりも情報系だからPC上でプログラムを組んでやってみるんだ。

多分俺が居るところはもっと基礎的なところなんだろうな。
実際に最適化させる事を追求するというよりも実際にGAを使ってみる程度のレベルだ。

Griewank関数ってなんだよ…Rastrigin、Sphere、Rosenbrockって一つたりともわからない。
正直ホランドの本は数学的色が強いし応用が多くて全く理解できなかった。
伊庭斉志の遺伝的アルゴリズムの基礎に出てきたDeJongの標準関数すらよくわからない。
自分はそんなに数学が得意じゃないのでいきなり(P.16)標準関数を導入と言われても何故？としか思わなかった。

自分がわかるのはある集団から選択、淘汰、交叉、突然変異→次世代を繰り返すことで最適値に辿り着くようにするって事くらいだ。
>>73や>>73の同期は凄いんだろうな…。

>>74
いやいやいや、俺だってＧＡ始めたの今年の秋からだし。
とりあえず、論文に載ってる方法を、プログラム組んで動かしてみてるってだけ。

Sphere関数とかは、単なる評価関数。
ＧＡをやるからには、最適値を調べたい関数があるわけで、その関数のこと。
それぞれ特徴があって、ＧＡの実験用によく使われるっぽい。
特にRosenbrock関数はＧＡにとって凄く難しい問題らしい。(実際、中々収束しない)

ただ、評価関数にもいろいろあって、大きく分けると
・単峰性か多峰性か
・変数間に依存関係があるかないか
の二種類っぽい。

上のはでこぼこがあるかないかって事で分かりやすいんだけど、下のはよう分からん。
この変数間に依存関係があるってのが、数学的にどういう事なのかが謎。

変数間に依存関係がないのは
評価関数f(x)が
f(x)=f1(x1)+f2(x2)+…+fn(xn)
で表現できるようなものだった気がする

>>76
サンクス！
>>75の後、色々調べて、何とか理解に至ったよ。
今は評価関数にシミュレータ使って、実際の設計でどんな数値が出るか実験してる。

ほす

スレッド最適化age

>>73
単純って何したの？
rosenbrock何やっても解けない。

>>80
大学卒業してから、ＧＡ触ってないからなぁ……
かなり忘れかけてるけど。

固体の密集度を観測して、最良固体の付近に一定数以上の固体が近寄らないように調整するような事をやっていたと思う。
因みに上記の素晴らしい実験結果は、プログラムのミスのせいだという事がその後わかった。
ミスを修正すると、そこまでの効果はなかった。(どの程度の効果かは忘れたが、それなりだった)

欠点はパラメータが増える(最良固体からどの程度の距離を付近とするか、どの程度の固体数で密集してるとするか、など)
世代を進めるに従って、このパラメータは変動するようにしてたはず
また、親固体の遺伝情報を破壊する為、ＧＡが正常に行われているという保証がない。何か上手く行ってるなーってだけ

因みに俺は分散ＧＡとＵＮＤＸを組み合わせるとどうなるかってのをやってた。



あぁ、でも今思い返すと、もっと先の方に進めることができたなーって思う。
ＧＡの手法いじくりまわしてるだけで、全然前に進んでなかったからなぁ。
回路設計にＧＡ使うってのが目的だったのに、Hspiceのネットリストの記述法すら知らずに、先輩の過去の遺産にのみ頼ってたからな。

>>81
M研?

>>82
いいえ。

EDAってどうなの？
ttp://d.hatena.ne.jp/higotakayuki2
いろいろ研究が進んでるみたいだけど。

>>84
EDAは問題がそこそこ難しくならないとGAの方が早く解ける。
かといって問題が難しくなるとモデル構築の時間で死亡。

集団ストーカーとは

最近、集団型のストーカー犯罪が大きな社会問題になっています。
いわゆる通常のストーカー犯罪とは違う不特定多数の集団による、
組織的な犯罪の集合体のことであり、被害者は多数にのぼっています。
多くの被害者の体験によると、犯行は不特定多数の加害者を伴って連日行われ、
期間は数年にも渡る長期的な嫌がらせ・悪質なデマ・つきまとい・盗聴・盗撮などが
被害状況として続きます。
また、加害者の風体は、サラリーマン・暴力団・肉体労働者・OL・主婦であったりと
さまざまな職業や立場風の人が加害者として関わっています。
年齢も老若男女で下は中学生〜老人に至るまでさまざまな年齢の加害者が登場します。
ありえないことだとお考えでしょうが、これは事実なのです。
一見、被害妄想かと思えるような事ですが、あながち不可能ではないことが分かってきました。
また、多数の被害者が確認されていますが被害者の多くの被害状況が驚くほど似ているのも特徴です。
（→犯人像の推測）被害者が知人に相談して事の解決に当たろうとすると、その知人にも被害が及び
知人が協力に及び腰になるということも被害の解決の難しさに拍車をかけています。

>>85
詳しく

sage

上のほうで
>>遺伝的アルゴリズムで解ける問題は，山登り法で解けます．
山登りはねーよｗｗｗｗ
ＧＡってのは特化したアルゴリズムにはかなわねぇよ
結局GAっていう道具でいろんなものが解けるってところがいいんだよ
ランダムリスタート山登りで解きにくい問題もGAだと早く解けるとかそういうもんだいじゃねぇんだよ

っとまぁおまえらは1分やそこらで収束する問題扱っているんですかね
10時間以上とかになってくると結構ＧＡっていいよ

>89
>>ＧＡってのは特化したアルゴリズムにはかなわねぇよ
↑おまえ･･･結局、ＧＡより山登り法のほうがいいって意味か？？

って、89はもはやＧＡがどうのこうのというより、
日本語が意味わからんｗｗｗｗ

お前がもう少し進化しろや

>>89
＞ランダムリスタート山登りで解きにくい問題
具体的にどういうケースすか？
多峰性だったり変数が独立じゃない場合？

>>90
日本語が読めないようだなｗ

>>91
多峰性だったり変数が独立じゃない場合？

まぁこういう場合だと思う。山登りは単純すぎて制約充足問題で制約が多すぎると局所に陥りまくる
ＧＡの場合は交叉で解決してる感じがするけどどうなんだろ

>>90
進化って「良くなる」って意味じゃないぞ　一見して悪くなっててもそれは進化の過程だってことさ
っというわけで漏れはｒｙ
まぁそんなことは良いんだけど・・・

実装の手軽さ　山登り＜ＧＡ
解ける問題の範囲　山登り＝ＧＡ
だと思うから適材適所だと思うってのでどちらも否定してないお
ＧＡの突然変異のみってのはある種のタブーサーチしてるみたいなもんだよなぁ　とか思ったり

効率よく探索してる？みたいなことはまだ議論している問題なのかな？
個体がたくさんあるってので個体同士が交叉することで何らかの意味づけが存在するんだろうけどそのあたりの論文ってないの？
http://ja.wikipedia.org/wiki/%E9%81%BA%E4%BC%9D%E7%9A%84%E3%82%A2%E3%83%AB%E3%82%B4%E3%83%AA%E3%82%BA%E3%83%A0
積み木仮説とか調べてみるか・・・

ランダムにワープする山登り法みたいなもんだと思ってた

>>93
山のてっぺんに向かってワープしてくれればいいんだけどそうでもないんだよねぇ
アニーリング法のがそういう意味ではいいかも知れんけど・・・

違う山にワープってことでは

絶望した！積み木を壊すアルゴリズムに絶望した！

だからね。
遺伝的アルゴリズムはうんこだって言ってるだろうに。

こんなゴミアルゴリズムで論文書けるの、もう数年じゃないの？？
そろそろ誰にも相手にされなくなるね。

卒論、修論を「遺伝的アルゴリズムを用いた○○」とか
「遺伝的アルゴリズムの△△」とかってタイトルで書いてるやつは、
教授にお願いするなり、都合のいいデータ選んだり捏造なりして、
すぐに卒業しなさいな。

ただ、上のタイトルで博士論文書いてる奴はアフォ、
ってゆうドクターって時点で廃人だから病院行きな。

そして、専門分野が「遺伝的アルゴリズム」ってゆう教授先生方は、
数年以内に失業するから、ハローワーク行きな。

う・ん・こ

自分も学生の頃は97のように思ってました。

遺伝アルゴリズムを研究している人のダメ率が非常に高いのには同意だが、
少数ながら数理的・科学的にちゃんとした研究をやっている人もいる。

結局、分野や手法が良いとかダメとかいうよりも、研究者その人がちゃんと
しているかダメなのかが問題なんだよな・・・

でもやっぱりダメ率高いよね(ﾎﾞｿ)

そういえば、最近、機械やら制御やらの分野でパラメータ探索に
遺伝アルゴリズムを使う研究発表があふれかえってるよね。
＃個人的には数理計画法を使えと言いたいが。

遺伝アルゴリズムはかなりしぶとく生き残る気がする・・・

サーセンwww

プログラムが簡単で片手間でできるからかな。
学生実験のプログラムあたりでやらせると面白そうにやるようだ。
簡単につくれて少し工夫すると性能がよくなるからかな。
でも半年もやったら何コレってなっちまうんだろうな。

たしかに結果はそれなりのが出てくるが
中で何が起きてるのか全然わからん

11変数の最適化に、はじめは山登り法でやってみたけど、
最適でないところに膠着して、そこそこの値はでるけど最適解は出なかった。
その後、ジーエーを試すと、やはり膠着した。
突然変異確率を変えたり色々やってみたけど、山登り法よりまし、という感じ。
結局、上司のコロコロ変わる思惑に翻弄されつつ、経験者＋人力で最適化した。
人力すばらしい！！計算機による最適化なんて、くそくらえだ。

「遺伝的アルゴリズムの△△」って「最小二乗法の△△」と同じだよな。

そんなわけで専門分野が「遺伝的アルゴリズム」は
専門分野が「最小二乗法」と大差なし。そんなのを専門にすんな。

そうそう。遺伝的アルゴリズム自体はもう研究にならない。
単なる１ツールなのに何故もてはやされるのか。

104の例えがﾜﾛｽw

ＧＡとかの進化計算手法で、実行コストとか最適な解とかを求めるのが間違い
ＧＡとかは、問題をバイナリに落とすだけでいろいろな分野の問題が扱えて得だってのが一つ
あとは、進化計算だから、未知の良解が得られるかもしれない可能性があるってのがもう一つ
リアルタイムの実問題とか最適解が必要な問題なんかは専門のアルゴリズムに適うわけがない
使えるとしたら、基礎研究とかで未知の良解が得られるかもしれないってことだけど、それもあくまで可能性

まぁ結果使えないでおｋ

あと専門のアルゴリズムが存在しない場合ね

あるアフォ修士が、
「遺伝的アルゴリズムでなら、比較的よい解が得られます」
って修論発表したところ、

審査していた教授が、
「そんなもん、スーパーコンピュータで全探索すりゃいいだろ」
って言って、
はい、お疲れ様。

俺も「スパコンで全探索」に同意いたします。

でも、そのアフォ学生は、無事に修論通って、
気が違えたらしく、
進学して、
マジ気が違えたらしく、
「博士の１００人の村」に旅立ちました。

博士になっても、まだ「遺伝的アルゴリズム」をやっているのだろうか。
な〜む〜。

とにかく、
俺も「スパコンで全探索」に同意いたします。

スパコンで全探索できる程度ならな

全探索？
アフォだろ
全探索の組み合わせオーダーを下げれるからメタヒューリスティックがあるんだ
問題なのは評価回数であって、大きい問題扱うほど評価コストが大きくなる
それで全探索なんかしたら探索終わるわけない、スペックうんぬんの話じゃない

109は、
　�@探索の組み合わせオーダーを下げる
　�A「スパコンで探索」
　⇒最適解を発見
ってことだろ？
一方、アフォは、
　�@「遺伝的アルゴリズムを使う」
　⇒最適解を発見した！
…と思い込んで自己満足(笑)

まあ、フツーは探索空間を狭めることぐらいするわな。

遺伝的アルゴリズムってゆう、
ランダム探索を劣化させたような手法のためのプログラムを
何ヶ月もかけてコーディングするくらいなら、
その時間だけスパコン動かせばいいんじゃね？？ｗ

ＧＡ程度のコーディングに数ヶ月もかかるゆとりにスパコンが扱えるわけがないだろ

たしかに
GAの無意味さに気づけんような連中に
スパコンは高度すぎるな。

ここへきてGAを叩いてるのが１人の粘着だけだということが判明したな
予想外の展開だ

GAにしがみついてるのが１人じゃなくて？

116頑張れｗ
GAの研究頑張れｗｗ

GA自体たたく必要なくね？
たとえば最小二乗法たたく奴はいねぇべ。

119さん。
今までGA叩きごめんなさい…。

私はGAが憎いんじゃないんです…。
学生時代に「GAを用いた△○□」みたいな研究をしてしまった
自分が憎いんです…。

自分が遺伝的アルゴリズムの真髄に触れていたから、わかる。
遺伝的アルゴリズムは、「う・ん・こ」なんです！！


…ちなみに最小二乗法も使ってましたYO！！笑

真髄ｗｗ
「用いた」ってことはアプリケーションレベルだろｗｗ
せめて理論の研究こなしてから真髄とか語れよｗｗ

まぁうんこなのは否定しないが

>>120
その気持ちはよくわかるｗｗ
GAじゃないが学生時代の論文闇に葬りたい。

>>120
GA理論もやりました。
GPもやりました。
でも、やっぱり「GA≒うんこ」でした。
賛同ありがとう。笑

最小二乗法をうんこ呼ばわりするヤツはいないのに
GAをうんこにしたいヤツってのはどんなトラウマがあるんだ？

ｗｗｗ
面白いこの展開

よっぽど神聖視してたんだろう

一時期過大評価されてたんだね。

総当り法をうんこ呼ばわりするヤツはいないのに
GAをうんこにしたいヤツってのはどんなトラウマがあるんだ？

総当たりはうんこだろw

ランダム探査をうんこ呼ばわりするヤツはいないのに
GAをうんこにしたいヤツってのはどんなトラウマがあるんだ？

>>5
これなどは？
パソコンで学ぶ遺伝的アルゴリズムの基礎と応用　村瀬治比古　森北出版　112頁　1997.6　\5,880
http://www.morikita.co.jp/shoshi/ISBN978-4-627-82420-1.html

どんだけ遅レスだよ

6年ｗｗ

GAは改良型ランダム探査みたいなもん、ってつもりで使う分には悪くない。
だが、GAで論文量産して偉くなった先生の中には、
GAが素晴らしいものであるということにしたい人がいる。
そういう先生の下についてしまった学生は不幸だね。
GA≒うんこにしたい人にもそういう過去があるんじゃない？

いま大学でやってるナップサック問題が理解できないです
プログラミングってのは俺も含めてできない人は関数すらろくに理解できないものなんですね

馬鹿は死ね

>>134
そういう先生の下について
GAってランダム要素を入れた山登りじゃんと気付き研究室を変えましたが
別にウンコとは思いません

>>136
童貞が言うな

>>136
馬鹿は、ＧＡが御専門のアフォ教授＆ポス毒＆博士100人村ですね

>>138
童貞は、ＧＡが御専門のアフォ教授＆ポス毒＆博士100人村ですね

GPの質問なんだけど、画像を再構成するときにプリミティブ画像を回転するときのプログラムを教えてください。

日本語でおk

GAが駄目なら何がいいんだ？

目的にあったものを

GA がダメなんじゃなくて GA を持ち上げすぎてる連中がダメなんだよ

ということは、GAは何らかの見込みはあるのか。

当たり前じゃないか。
使うべきところで使えば便利

見込み、ねーよ

使うべきところ、ねーよ

一時期流行ったけど(2000年頃？)、今は完全に下火だね。

考え方は極めてシンプルで実装も簡単なのにね。

そのころだな、
ベイジアンネットワークと同じ時期で
同じ運命かな

ベイジアンネットは今が旬・・・と信じている。

まさか

将来あるかもという程度だろう
今は塔が立ってる

塔＝＞薹　だな

こんちには みさなん おんげき ですか？　わしたは げんき です。
この ぶんょしう は いりぎす の ケブンッリジ だがいく の けゅきんう の けっか
にんんげ は もじ を にしんき する とき その さしいょ と さいご の もさじえ あいてっれば
じばんゅん は めくちちゃゃ でも ちんゃと よめる という けゅきんう に もづいとて
わざと もじの じんばゅん を いかれえて あまりす。
どでうす？　ちんゃと よゃちめう でしょ？
ちんゃと よためら はのんう よしろく

ほすとうんでね、みんな、りしいいかてる、でしょんうるでか。

いるんでむりあごできてと、かるいけんあの？
すしむるこが、あすうるでよね。なしろに、まわるなりかきらい。

まるきりダメだね。
載せたれてるだけざんす。

なんかスレ読む限り、GAって実用的でないってこと？
例えば巡回セールスマンで山登りと同時間、同スペックマシンで勝負した場合、山登り＞GAってことか

考え方はすごく面白いんだけどな。

GAに夢を持ちすぎってことだろ。
山登りって、具体的にどうするの？一箇所からはじめたら、簡単に局所最適になると思うが。

ＧＡを研究している奴は、こんなスレ見てＧＡの良否を気にするよりも、
一秒でも早く、研究テーマをＧＡ以外にして指導教官も変えろ。
人生に関わるぞ。

>>160
で、あなたの研究テーマは？ｗ
GAの未来はともかく、このスレ見てると全探索しろとかNPすら理解してないのかね？
上で出てきた「スパコンで全探索」なんていう教授が存在するとはちょっと信じられないな。
そいつこそ失業の危機だろｗ

巡回セールスマン問題をＩＰ問題として定式化するにはどうすればよいのでしょうか。
目的関数・制約式がすべて１次式にとなるようにしなければいけないんですが、よくわかりません。
どなたかわかりましたらよろしくお願いします。

確かにスパコン全探索はアホだけど、遺伝的アルゴリズム研究してる人もちゃんと理論的なことやらない人多いよね。

「こういう工夫が必要だと思うから、そうしたら性能が上がりました」じゃアルゴリズムじゃなくてアルゴリズム設計者が探索空間を狭めているだけ。
そんなんだったら発表とかしないでツールとして使って、「世界最高性能の〜を作りました」のほうが100倍マシ。

>>160
派生新設スレ発見。
焼きなまし法 Simulated Annealing sa
http://science6.2ch.net/test/read.cgi/sim/1251829953/

ナップザック問題に似てるんですが、次のような問題を考えています。
様々な価値と長さを持つUnitが複数あり、二つのUnitでペアを作るとします。
この時、作られたペアの数はできるだけ多く、かつペア同士の長さの差がなるべく
小さいペアを作りたいのです。
どのような遺伝子をつくり、どのように交配させると良いかというものです。

Unitを1からn番目まで(A1,A2,A3,...,An)とした時、ペアになるものには同じ番号を振る。
(1,1,2,2,...)や(1,3,3,1,...)のようすれば良いかな?等と考えてはみましたが、どうもすっきりしません。
そもそも遺伝子のつくり方として妥当か謎だし、それぞれを交配させると数字がダブってしまったりします。

このような問題で既に確立された方法はあるでしょうか?

リンク行列(ij要素はiとjがリンクしてたら1、そうでなければ0の対称行列)で、
非対角成分に、各行が一つだけ1を持つようにすれば非重複なペアを表現できる。

評価関数はたとえばリンクしているユニットiとjの長さの差の二乗の総和とかにする。
これってペアを交換したときの評価関数の値を見れば簡単に山登り探索できるんだけど、
遺伝的アルゴリズムする必要あるの？

>>166
おーー、なるほど。そういう上手い表現方法があるのですね。。。つまり行の入れ替えで
様々なペアの状態を表現するんですよね?
ありがとうございます。

>遺伝的アルゴリズムする必要あるの？
正直、その山登り探索というものを具体的に理解していないので、とりあえずマシなデタラメ打ちで
やってみよう、程度の考えでした。

山登り探索てのは、ランダムでも順番でもペアの入れ替えを試して、
評価関数の値が良くなるペアが見つかったら交換する、というものです。
勾配を計算してないけど勾配法みたいな更新（評価関数が良くなる方に更新）なので
山登り探索などと呼ばれます。

がんばってくださいな！

ＧＡを研究している奴は、こんなスレ見てＧＡの良否を気にするよりも、
一秒でも早く、研究テーマをＧＡ以外にして指導教官も変えろ。
人生に関わるぞ。

ＧＡをよく知らない人達だらけだわ

GAって結局「こうやったらうまくいきそうだなぁ」の塊だよね。
それって何がすごいの？www
たまたまうまくいったら「おれすげぇ」なの？www

うまくいくなら正義

GAって一見カオスみたいになんの特性もなさそうな探索空間でも通用する？
やっぱ収束しないんですかね

この場合って全探索するより時間かかることがあるのか、
最悪でも全探索と同じ試行回数で終わるのかどっちでしょうか

遺伝的アルゴリズムがランダム探索よりも効率的に働くかどうかは、
そのアルゴリズムが仮定していること（良い解の近くは良い解とか、「近さ」の定義とか）が
問題に当てはまるかどうかにかかってます。

本当にランダムな目的関数だと、定義からして有効な戦略は存在しないはずです。
カオスもほぼランダムなので、全探索もランダム探索も
遺伝的アルゴリズムもたいして変わらないと思われます。
探索空間が離散の場合、ランダム探索や遺伝的アルゴリズムでは
同じ値を複数解調べてしまう確率は0ではないので、全探索よりも非効率といえば非効率でしょう。

>>174
詳しい説明どうもです。
やっぱり特性が限定されるように探索空間を絞り込まないと使えないのか。。。

(パラメータの種類や数が様々な)
多数の探索空間から評価値の高い解候補群を
抽出したいんだけど、厳しそうだなぁ。

何も仮定をおかずに解くのはやっぱり厳しいけど、最適化アルゴリズムに
パラメータを持たせて自動的に適応させるようなものもあります。

ただこれも最適化アルゴリズムのパラメータを最適化しなきゃいけないので
「なんでもあり」は無理ですけど。

ある探索をしたい場合に、
用いる遺伝的アルゴリズム�@の制御パラメータを
遺伝的アルゴリズム�Aで探索・最適化するというアイデアがあります。

その前に、この遺伝的アルゴリズム�Aの制御パラメータを最適化したいので、
遺伝的アルゴリズム�Bで探索します。

その前に、この遺伝的アルゴリズム�Bの制御パラメータを最適化したいので、
遺伝的アルゴリズム�Cで探索します。

規則性のある配列を配列化したものが遺伝子の配列だ。

基本的に上か下から読み込んで必要なデータを照合し新しく生成する。

遺伝子の主は記憶だから、テキストにその配列を二進数で書き込むと良い。
照合については次元関数を参照にしろ。特定の配列を照合　つまり○○の開始を示すデータ配列を照合

遺伝に詳しくないなら開始の予約語『0x00基本構成』等で区切っても今の所問題ない、要するにグループ分け。

それで位相は一致する、後は部分配列が何の情報をもっているか頭にいれれば作れる

カオス立体フラクタル
http://i39.tinypic.com/wvbtah.jpg

遺伝的アルゴリズムってどういうことを研究したらいいの？
アルゴリズム自体はやりつくされてない？

今では、GAは進化的計算手法の一つとみなされていて、
遺伝を模擬したアルゴリズムは多数の方法が提案されている。
（UMDA、EMASなど)
それで、みんな下火になったと思っている。
と思う。

GAも理論的な解析が進みはじめていて、
経験的に答えが出るという状態から、理論的に答えができるといえる
段階に移ろうとしている。けれども、まだ、僕は理論的な解析で
完全に解に収束するという論文は見たことがない。
でも、遺伝的操作という選択を、また交叉と突然変異の組み合わせを
数学モデルを使って理論的に解析していく試みの論文は読んだ。

選択と交叉、突然変異全部を組み合わせて理論的に解析できれば、
遺伝的アルゴリズムは遺伝のアルゴリズムをまねしているから
できるという段階から脱することができる。
ダーウィンの進化論が正しいことが証明できる。

経験的に答えが出る状態から理論的に答えが出る状態へ・・・というのは、進化に用いるパラメータの設定についてのことでしょうか？
これまでは使う側が手探りと勘でパラメータを決めていたのに対して、何らかの理論を見出した、ってことでしょうか

＞遺伝的操作という選択を、また交叉と突然変異の組み合わせを数学モデルを使って理論的に解析していく試みの論文

すごく興味深いです
なんていう論文だったか分かりませんか？
キーワードでもいいので

同じく、凄く興味深い
是非論文名を教えてください

突然変異と交叉だけの場合、
A New Approach of Dynamic Analysis of Genetic Algorithms without Selection
選択だけの場合、
Theoritical Analysis of Selection Operator in Genetic Algorithm

IEEE Congress on Evolutionary Computation　2005と2007