遺伝アルゴリズム使ってますか？

いろんな分野で使われてそうだけど、どんな問題に使ってますか？

使ってますよ。
何に使ってるかは秘密。

2> そんな殺生な。

ファイナンスで、最適ポートフォリオの選定に使った論文を読んだことが

AIBOの学習アルゴリズムはGA

LSIの設計で使って修士論文書きました｡

プログラムは簡単です｡と､言ってもこの種の発見的検索法は大抵簡単｡

あっ､評価計算が難しいと難しくなります､あたりまえ｡

ビリヤードの思考ルーチンに使えますかね？

参考書希望。

>8
Goldbergの本読んどけ

たぶんこれ。
http://www.amazon.com/exec/obidos/ASIN/0201157675/o/qid=972721892/sr=2-1/103-3357717-5691054

コードがPascalってのはちょっときびしいなぁ。

初心者にはこれがいい。はっきり言ってものすごくわかりやすい。
コードはスードコード。


Practical Genetic Algorithms
by Randy L. Haupt, Sue Ellen Haupt
Hardcover - 192 pages (January 1998)
John Wiley & Sons; ISBN: 0471188735

http://www.amazon.com/exec/obidos/ASIN/0471188735/ref=sim_books/103-4363689-4755802

なるほど。ありがとうございます。
amazonの「この本買った人は以下の本も買ったよ」でGoldbergと相互リンクですね。

pseudo codeは初耳です。調べたところまぁ読めると思います。

まったくの初心者なんで助かります。
今日は休日なんで学校の図書検索が使えない（苦笑
のでちょっと残念。

メンドクサイから結局
for(i=min;i<max;i++)　〜　 sort(data,sorted)しちゃうの。

メンドクサイから結局
for(i=min;i<max;i++)　〜　 sord(data,sorted)しちゃうの。

かなりマイナーだけど多目的最適化問題に使ってます。
これ系のＧＡは，ＥＭＯ(Evolutionary multi-objective optimization)って
呼ばれてます。

どこらへんが「多目的」なんですか？

最適化する目的関数が２個以上ってことで多目的

むむ、それ詳細キボーン
本でも論文でもどっかのサイトでもいいです。おねがい。

おしえてってカキコなんだからageとかなきゃね……

Googleで検索してみた。
どうやって単一目的にするかっていうのが問題なのかな？

>>15
俺もやってる。
翼形状の最適化。

>21
そんなことできるの？ ほんとかなぁ〜。しんじられないなぁ〜。

>21
ひょっとして東北大の方ですか？

21はトー北大のoに違いないぜ。俺知ってるもん。

じゃあこれ書いたひとかな？
｢Multiobjective Evolutionary Computation for Supersonic
Wing-Shape Optimization｣

きゃぁ〜！

違うと思います。

翼形状の最適化なんてどうでもいいよ。
（だいたい何を最適にすんだよ？ 見た目かい？）

だいたい遺伝アルゴリズムなんてインチキなんだよ。
理論なんてあるのか？ 何回で収束するとか、必ず
Globalな最適値を求めることができるとか、理論
的に予測できるのか？ 保証されてるのか？
どんなmatingの方法がどんな特性を持ってるとか
理論的に理解できるのか？ ユーザーのさじ加減
一つじゃねーか、ほんでもって結果がいいからOK、なんて
インチキだぜ！ でも、理論があんならちょっち知りたいぜ。

＞翼形状の最適化なんてどうでもいいよ。
＞（だいたい何を最適にすんだよ？ 見た目かい？）

アホか。空力特性だ

だからメタなんだよ。

＞２９
おう、アホだ！ アホで結構だ！ 空力特性だって？
具体的に何をどうすんのかわかんね〜な。アホなり
に考えると、だいたい翼なんていらねぇ〜んだよ。
ロケットは翼なんかなくても立派に飛んでるじゃねぇ〜か。

メタってなんだ？ 日本語なのか？ お前もアホなのか？

まぁ、遺伝アルゴリズムはインチキってことでこのトピ
ックも終了だな。あばよ。具っバイ。

インチキっつーか、紛れも無く役に立つんだから良いんじゃねぇの？

確率の理論みたいなもんだろ？

遺伝的アルゴリズムで翼をつけないって結論に達したら面白そうだなぁ

その場合は速度が上がって行った結果なのだろうか・・・
実際高速で運用される飛行機は横に広がってないし
評価方法はどのような感じになるのでしょう
同一出力でより優速な物が良いんでしょうな
無論落ちちゃ駄目と

逆の評価方法だったらジャンボのような翼面形状になるのかな
グライダーの条件での評価

GAではないけど（非線形計画法だったかな）．
3年前の某学会で日本版スペースシャトルの形状最適化の研究を
発表していた学生がいた．確か灯台．

計算結果のあまりにも奇抜な形状に，聴講していた一同，爆笑
したことがあった．

＞31
おまえ重石ろいぐらいアホ。
わらわせてもろた。さいこー

>>35
どんな結果か見てみたいっす。
なかなか笑いのとれるプレゼンってないから…参考にしたいっす。

すでに在るよね、奇抜な形の飛行機

>>31
ヴァカまるだC（藁

あぼーん

なつかしいなぁ
昔卒論でやりました
インチキっぽいけど、やくにたつのは間違いないです。
適材適所・・・あたりまえだね・・・（ｗ

本当に効果をあげる場合、「インチキ」とは呼はないと思うが。

参考までにマジレスすると，
確かにGAではglobalな最適解は保証されない．
しかし解決策は昔からいくらでもある．例えばSAと組み合わせるとか．
SAに関しては，お調べ下さい．
あとユーザのサジ加減によるって話だが，
これも最近では，パラメータチューニングの精度に依存せずに
解法の安定性を保つっていう手法なんかが提案されてる．
例えば・・・うーん

>>43
GAで大域的に探索して，SA（シミュレーティッド･アニーリング法）で
局所的に探索するってことかな．

でも，SAも温度管理のパラメータをうまく調整しないといけないんだよね．

あぼーん

>>2
教えて。

スキーマ定理？

強化学習ってどうなの？

>44
どうして焼きなまし法というのですか？

このまえ卒論でGAつかいました、マルチプロセッサのタスクスケジューリングです。
結局初期集団の状態から性能伸びませんでしたが・・・・（ ｀∀´ ）

金属を焼きなましすると系のエネルギーが最低になるの。
それを模擬してるから

他でも書いたけど、これくらい便利な設計ツールはないよ。
圧縮率最大で画像フォーマットを作成。ゲームに使用して
いるよ。考え得るすべてのオペレータをつっこんで、あとは
圧縮率最大に向かって寝て待っていた。全体としては
０−１計画問題なのかなぁ。違う気もするが。ま、とにかく
解は求まると。

GAがglobalな最適解を求める可能性があるのは、
変数間相互作用のスパースなときのみ。
スピングラスでいうと２次元系のみ。
３次元以上になると全く使えなくなります。

>>52
んで、圧縮率はどのくらいになるの？
PNGよりもいいのか？

同じくらい。
圧縮率も大事だけど、ゲーム用だから展開速度
優先で、２次圧縮はしてないよ。

菊川冷が卒論にＧＡを使ったらしいよ
ＧＡを用いたコンクリートの･･･（よくおぼえてらん）
といった感じの題名だった

>>52
どんなアルゴリズムか知らないけど、最大じゃないでしょ。

>>56
理系板にあったっけ？その話。
わりと馬鹿にしたような感じだったけど。

なんでもＧＡか

とりあえずＧＡを使ってみましたって段階は大昔に終わってるから、
馬鹿にされるのは仕方が無いでしょうね。

>>57
画像によってはだめなのもあるよ。
特定の絵をきめてＧＡに設計させたからね。

GAに関してだけど、新しい問題を発見し、GAを適用したら優れた解が
得られたってことならいいんじゃない？

１．新しい問題の発見

２．この問題は、NP困難で探索点が極めて多数

３．探索点に対する評価値の与え方（適応度計算）を検討

４．探索点の遺伝子へのコーディング方法の提案（効率的に）

５．数値実験

ってな具合に。

むしろ、最近頭うちなのは、GAそのものの改良の方。
分散GAとか専用プロセッサ等による並列処理とか。

あぼーん

あぼーん

10月18日に Goldberg が京都で講演するね。
俺も発表するよ。
http://is.doshisha.ac.jp/ec/

あぼーん

わたしは、エンジニア(勤め人)なので、便利なのはニューラルネットワーク
です。最適化、最適化と科学者は叫び、大域系からの優秀性について語
る冷静さを失った理論家がいます。だけど人間が個人的に悩むレベルで
はニューラル系の最適化が素晴らしいと思います。
わたしは女なので、ごちゃごちゃ言うよりは、便利に力点を置くエンジニ
アです。ここもソートー馬鹿馬鹿しく遅い話で蔓延しているのですね。

http://mentai.2ch.net/test/read.cgi?bbs=sim&key=960616675&st=50&to=50&nofirst=true

http://mentai.2ch.net/test/read.cgi?bbs=sim&key=960616675&st=53&to=53&nofirst=true

http://mentai.2ch.net/test/read.cgi?bbs=sim&key=960616675&st=57&to=57&nofirst=true

http://mentai.2ch.net/test/read.cgi?bbs=sim&key=960616675&st=57&to=57&nofirst=true

まー
思考は全てアルゴリズムが基本だね

＞67
ニューラルネットを用いようとするとき、実験値など教師信号そのものに誤差（観測ノイズなど）があったら、
どうやって対処したらいいでしょう？もしノイズの程度がある程度分かっていたら。

遺伝アルゴリズムなんて、あれでしょ。

航空業界が機材のやりくりしてるプログラム。

なんかみんな変なこと考えすぎでない？

マニアックよくないよ

そうそう、簡潔なイメージを素人に与えられるのは、ニューロかな？
何世代にも渡って、最適化なんで人間個人の体験から外れる。
むしろ、練習すれば水泳が泳げるようになった。というようなものが
非数理的な最適化の経験に近いのではないでしょうか。

http://zzz777.room.ne.jp/~erodouga/

>>73
ノイズによる不確かさは観測できるデータの規模である程度挽回できるので、教師データ
の規模の設定ということになると思います。そうなるとデータの規模との戦いで、最終的
には、ゴールにたどり着くまでの時間ということになります。どんなにノイズのフィルタ
リングして、繰り返し計算数が少なくなっても、１ステップの計算時間が長引いて、役に
立たないアルゴリズムがあると思います。今のCUP処理規則にも問題があるのでしょうが
やはり、紙の上(会話)でグダグダ話すよりは、コンピュータに実装するのがそのアルゴリ
ズムの優秀性をトータルで実感できるのではないでしょうか。

この分野、私見で考えると、多峰性の非線系問題でしょう。山が３以下なら、ニューロで
３〜10は併用で、１０以上は厳密議論さえおぼつかないのでGAの結果のみで楽勝です。
今は、山の数を基本にイメージしたが、データ数や、入出力変数の数、CPU処理速度等で
変わるので私の体得しているレベルの感想です。

age

ＧＡが最適ではないが、有力な谷にだまされてしまう現象を
ＵＶ構造と、いうらしいのですが……
この、『ＵＶ』っての、いったい何の略称なんでしょうか、
どなたか分かる方おられませんか？

なんとかバレーかいな。要するに局所解に集束するのを突然変異で
防ぐってことだよね。

>>28
その批判はシュミレーション全般に言えることのような…。
物理屋さんの批判とか痛いよね。

ttp://www.photon-cae.co.jp/
にたしか、遺伝的アルゴルについて書いてたような、、、

>81
えぇ、それです。ビッグバレー構造。
最適でない解に落ち着いちゃう理由で『ＵＶ構造仮説』とか。
んで、やっぱしＵＶて何？　ってわけでして。

紫外線じゃないよなぁ…と。

別に用語の略ではないよ。
U型の谷とV型の谷の話。
ググルで検索かけてみたら?

>85
貴重な情報をありがとうございます。
ぐぐるじゃ出なかったんです（涙

　

もうすぐ2周年おめでとう

GAlibっていうC++用のライブラリの日本語資料ってどっかにないんかね。

http://usagi.tadaima.com/2chbbs/subback.html

あぼーん

みなさん相談です。
卒業研究に遺伝的アルゴリズムを使おうと思います。
文系でもイケちゃいますか？
一応、MFCで計算機くらいは作れます。
遺伝的アルゴリズムはC言語じゃかけませんか？見た感じC＋＋が主流みたいですが…。
レスよろしくお願いします。

>>92
文系じゃないけど、大昔に卒論で遺伝的アルゴリズムをやったYO!
プログラムはCで書いたYO!。Cでも問題ないYO!
コーディング作業そのものは簡単だと思われ。
むしろ「どう」使うかが問題だと思われ。

>>93
そう！その通り！！
GAはアルゴリズムが重要．
大学の卒論レベルならどの分野に使うべきかを考えるのがベスト．
修士や博士あたりになったら，実用性も将来的に考えて研究するべし！
画像分野とか分散ネットワーク関係にGAがうまくつかえたらな〜と思ったりしてます．

ありがとうございます。
遺伝的アルゴリズムで初心者向けの本、書籍を紹介していただけないでしょうか？
「遺伝的アルゴリズムと遺伝的プログラミング　平野廣美」は購入したのですが
モロC++でわかりません。
明日、紀伊国屋に行くのでお勧めをよろしくお願いします。

>>95
>>10に出てる奴は？
コードはPascalだけど同じものをCバージョンが
tp://ftp-illigal.ge.uiuc.edu/pub/src/simpleGA/C/
にうｐされてる。

ありがとうございます。
tp://ftp-illigal.ge.uiuc.edu/pub/src/simpleGA/C/←見れません(>_<)
GAのソースが、ネットで転がってるところってありますか？
めっちゃ探しているんですけど、イマイチなんですぅ。

http://www.1osi.com/vbonline/vbonline.html

96じゃないけど、
>>97
tp:// を ftp://
に補完すれ

卒研でサラリーマン巡回をやろうと思うんだけど、やった人いる？

サラリーマン巡回というのは巡回セールスマン問題と違うんですか？

あ，同じようですね　

TSPにGAを応用する研究なら沢山先行研究があるでしょうから，
卒研でやるのはよっぽど状況を限定しないと手に余ると思いますよ
芥川で卒論書くくらい，危ないと思います

たとえば
http://www.fit.ac.jp/~ono/index-j.html
http://www.fit.ac.jp/~ono/Ga/DtspInit.html

ありがとうございます。
確かに危険ですね。
う〜ん、文系なんで、あまり複雑なのができなそうなんですぅ。
ところで、私たちは卒研ってのは今から始まって、１月に発表なんですけど
理系のみなさんは、どれ位から始めて、どれ位に終了なんですか？
「遺伝的アルゴリズムと遺伝的プログラミング　平野廣美」に載ってる
のは私にはちょっと難しいから…。
　文系の私でもできるようなＧＡを探してるのですが…。

どうでしょうねえ。研究室のB4は一応前期の最後にも発表してましたが，
先行研究のサーベイが中心だったように思います。

文系でしたら，経済や経営関係のデータのデータマイニングをGAで
行うと，先行研究があまりないので撃沈することは無いかと思います。
因みに何学部でいらっしゃいますか？

http://www.geocities.co.jp/Playtown-Yoyo/4640/index.html

あぼーん

私は、小さな会社のソフト開発部門にいます。
昔５年ほど前、電力の送電線系統計画でＧＡを使いましたが、
適用分野の問題は別にして、ＧＡ自体の研究は終息して
いたように感じたのですが．．．

でも、これから爆発的に適用分野は伸びるんじゃないかなあ。
コンピュータの性能が良くなってきてるしね。
別のアルゴリズムが主流になるだろうけど。

<<107
そうそう、収束ではなくて終息って感じだよね。
なんか応用レベルでは色々やってるみたいだけど、
一般的に実用性のある定理が新しく発見されるわけ
でもなく・・・。
なんかジグソーパズルで遊んでるだけみた〜い

>>103
> ところで、私たちは卒研ってのは今から始まって、１月に発表なんですけど
> 理系のみなさんは、どれ位から始めて、どれ位に終了なんですか？
２がつ発表でしたが、９月とか１０月とかからはじめてますた。
つーか、前期の終わりなんてテーマすら決まってない奴いたぞ。

漏れの頃はＧＡを使いましたってだけで論文になった幸せな時代だったけど
いまだとそれは厳しいだろうね。
>>102と同意見でTSPはいまさらやるのは難しいと思う。

GAでの最適解探索って
多峰山一人山登り探索に対する、多峰山多人数山登り探索的な
意味がもっとも強いかと。

結局、NPな問題で実時間に順最適解を得るために
遺伝的なヒューリスティクスを使ってやろ、ってはなしでしょ。

っていうか、インチキ的な感じのしないNP問題探索法で
使い物になるのあるっけ？

ファジーとかも結局、人の与えたファジー制約のもと
パレート最適解（他目的ね）出してるだけだし、これもインチキだっていえば
インチキだ。

NN,SA,GP,AL,EC然り。

ごめんなさい。

過去レス読んでたら、なんか腹がたってきて
ぜんぜん関係ないレスしちゃいました。

すまそ。

＞＞104
　経済ですぅ。選択でC言語取ってました。
　
　みなさんおっしゃるように、やっぱTSPはヤバイですよね。
　GAをやるという事は決めたものの、「何にしよっかな〜」というよりは
「私に何ができるんだろう」って感じです。
　データマイニングは二年前にいるんですよ〜。めっちゃ面白そうですよね。
　何かないですかね〜？
　ネタを下さいな。文系でもできる、GAを！
　探してるんですけど、ネットに引っかかるのは
　明らかに難しい作品ばかりで…。

株価の予測とかはどうでしょ？？
東大の伊庭さんが研究なされていたけど、すばらしいよ。
GPってちょっとレベル高いやつだけど。

GAは単純に最適解探索以外にも、
ちょっとひねれば学習とか予測とかいろいろつかえるよ。

GAに経済の知識を組み合わせれば、おもしろいものができるはず。

113は卒論を書くっていってるんでしょ？
だとすると114のいう株価の予測は新規性って意味でものすごく大変だと思うよ。

それよりは誰も手を付けてないテーマ。
例えば市町村合併に伴う経済効果を研究するとかした方がよくない？
人口・税金・年齢・年金とか数値的に扱えるパラメータは多いよ。

あと113は卒論を見てくれる研究室かゼミの先生はそっち方面に詳しいの？

経済でGAを適用する場合に最も大変なのがその評価関数の正当性の判断
なんだけど、GAを使用するような複雑系経済学に属する研究の場合、
従来型の経済学とは全く方向性が違うんで、普通の経済学部の先生だと
なんとも心許ない。

「私に何ができるんだろう」なんて言ってる状態じゃ自力ではまず無理なんで
なんとかしてそっち方面に明るい先生の助力を仰いでくれ。

学部生の卒論は研究というより勉強にならざるを得ないの
だから、あまり新規性を求めるのそれこそ酷だろう。

論文を書き上げることを最優先とするなら、テーマを何に
するのであれ、いい手本を探してそれをある程度模倣する
のは肝心なことだと思うよ。

例えば<<114がいうようなGPによる株価予測であれば、GP
にも色々なモデルがあるんだろうから、まだこのテーマに
誰も適用していないモデルを適用してその有効性を検証し
てみる、ていうのもありだと思うよ。そうすれば、研究の
論理立てについては伊庭先生の論文を参考にすることで、
現実的に卒論を書き上げられるんぢゃない？

あぼーん

あぼーん

件の東大の先生の論文を読んだことが無いので分からないのですが，
株価予測（金融工学的なもの）と仮想証券市場（Uマート的なもの）は
似ているようで結構違いまして，仮想証券市場を組んでも株価予測の
用には供せません。逆に，（過去の）株価変動の要因分析に用いるようです。

GA，GPを用いた仮想証券市場のポスターセッションを拝見したことが
御座いましてこのように書きましたが，もしGAを用いた株価予測でしたら
申し訳御座いません。

あぼーん

思うんだけど株式とかって大きな力が意思を持って何かするから
こういう形でいくらシミュレート無駄じゃあなかろうか

あぼーん

あぼーん

>>121
その大きな力の正体を探るのもシミュレーションの役割の1つ。

その全てを知ることは出来なくとも、一端だけでも知ろうとする
努力は決して無駄ではありません。

Visual CかVisual Basic のコードもってるやついるたら、おしえてくれ

>>124
株式市場のGAを用いたシミュレーションでは，恐慌の際に各投資家が
どのように動いたか，という仮説の提示をしていました。正に，原因が
全く（或いは一部しか）分からない状況を予測するのに有益なようです。

経済学部の学生がまずＧＡがあって、
ＧＡを使えるテーマを探すというのが違和感がある。
まず何か経済学のテーマがあって、既存の手法だとちょっと
うまくいかなかったりして、じゃあどうしよう、ということに
なったときに選択肢のひとつとしてＧＡを使うというのならわかるのだが。
はじめにＧＡありきでテーマを選ぶのは、情報系や数理系でＧＡを
研究していて、ＧＡの有効性を実証したいとか適応範囲を調べたいとか
そういう立場の人じゃないのか？

http://www.aic.nrl.navy.mil/galist/src/
検索したら出てきた。
コードコレクションだそうです。
C/C++が多いけど、いろいろあります。

ねーねーGAのプログラムを拾ってきたんだけど、一箇所分からないだ。
だれか教えてくださいな。

unsigned long geneUint_max;
　　…
geneUint_max=UINT_MAX>>(32-gBit_num);　←　１．これで何をしてるの？
　　※gBit_numは染色体のビット数　　　　　　　２．何で３２なの？
　　　　　　　　　　　　　　　　　　　　　　　３．geneUintは何のために出してるの？
お願いします。

あぼーん

あぼーん

>>127
全くその通り！

ただ、情報系や数理系の人でGAを経済に適用してみようって人が
残念ながら、なかなか現れない。

その意味では経済学部生に適したテーマじゃないかな？
プログラムを組めるのが前提条件だけど・・・

>>129
ぶっちゃけそこだけ見てもﾜｶﾗﾝ。
なんとなく答えると
まず質問2.は、unsigned long型は全部で32ビットある。だから32。
質問1.は、UNIT_MAXを(32-gBit_num)ビットだけ左にシフトしている。
左に移った分右のビットが空く。そこには0が入る。
たぶんUNIT_MAXは2進であらわすと32ビット全部が1になっているんだと思う（コード見ないと
わからないけど）。これを(32-gBit_num)ずらして、ずれてあいたところに0を入れるのだから
結果的にこの32ビットは
00....0000000 |1111...11
(32-gBit_num) |gBit_num
という風に、まず(32-gBit_num)個のゼロが並んで、次にgBit_num個の1が並ぶ形になる。
この値がgBit_numビットを使った二進数であらわす最大の整数(geneUnit_max)になる。
質問3.はソース見ないとわからないが。マスクとかじゃないの？交叉とかして
上にはみ出たビットを削るとか。

>>133
ザッツライト！

133さんありがとうございます。
ちょっと私にはハードルの高いソースだったみたい…。
誰か簡単（お薦め）なGAのソースを…。

>>135
一度自分で全部書いてみたほうが良いぞ。

遺伝的アリゴノミﾑ

>>133
32ビット全部1になってたらその値は-1だぞ。
それから、一番左のビットが1の場合補完されるのは0じゃなくて、1。
いつも0だと思い込んでるといつかバグに悩まされることになるぞ。

>>138
unsignedなんだが。だいじょうぶか？

GAスレって山ほどあるんだな・・きりが無いのでこれかこれを元にするかして
あちこちにコピペでもしといてください。気がついた人は。


さる大家が言われました
「ニューラルネットは常に二番目に望ましい」
それを聞いたほかの方が言われました
「GAは常に三番目以下である」
実際には三番目どころではないでしょう。

GAというのは
「低予算だから、背景は書き割りで良いよ」に近いものがあります。
GAは、手抜きでそこそこの性能が出る探索アルゴリズムに過ぎず、
それ以上では全然ありません。
メインディッシュにはそうそうなるシロモノではありません。

なのに、
「あの進化を真似たGAを使いました、すごいだろー」とか
「GA自体を研究してる」とか、そういうのが多すぎます。

GAの研究は完全におわりという事では無いにしても、もうごく限られてるはずです。
本当にわかった一部の人が関わっていればいいのです。

GAには得るところはあまりありません。GAGA言ってる人が多すぎです。
日本でGAやってる人が多いならそれは大いなる浪費です。
みなさん人生は大事に使ってください。

>>140
で、一番目には何が来るの？

>>140
いいじゃん、GAやらせとこうよ。お互いハッピーじゃん。

>>141
140の言ってる意味を全く理解してないね、きみ。

>>140
しろうと質問ですいませんが、

>「低予算だから、背景は書き割りで良いよ」に近いものがあります。

ここでいう予算というのは、アルゴリズムの開発コストのことですか？　
あるいは、アルゴリズムを利用する上でのコンピュータパワーのことですか？
後者のコストは、むしろＧＡはダントツで割り高な気がしますが・・・

色んなレベルがあるんだろうけど、いまどきGAを大真面目に研究してる
人たちを見ると、なんかイタイタしいですな。路頭に迷う心配のない人
たちなんでせか？

>>143
そうかなあ。例えば大規模線形計画問題を解く場合なんか、
シンプレックス法よりも遥かに計算量少ないんじゃない？

ＧＡの魅力は、手軽なアルゴリズムでそこそこ最適解に近いもの
を求められるというところにあるんだと思う。アルゴリズムを作る
手間を含めた解決時間が圧倒的に短い。

>>143
俺は最適化手法がメインディッシュになると思う。
GAはメインにならないけど、新しい性能のいい最適化アルゴリズム
がいろんな所に使われる。
ハードの性能が高くなればなるほど、評価される。
GAは駄目だとかいってるやつの方こそ古いと思う。
ずっと昔に駄目だとか言われるのならわかる。
その経験から「何を今さら」と錯覚してるのだと思う。
これはAIにも言える。

145は>>140です。

ニューラルネットは前菜ですか？
ＧＡはデザートですか？

あぼーん

ヤフーオークションって屑ですか？

遺伝アルゴリズムゥ？
なんでそういう看板の架け替えにおどらされる？
そういや「複雑系」とかいって踊ってたやつもおったなあ．

「遺伝アルゴリズム」は以前には「試行錯誤」と呼んでて，
昔から工学などでは常識です.

>>150
試行錯誤よりは発展したもんだろうな。
「足し算」も発展すりゃ「積分」になる。(ﾜﾗ

問．「試行錯誤」と「遺伝アルゴリズム」の違いを述べよ．

やり方がいろいろ決まってる時点で違うんじゃないでしょうか。

>>153　
よくわかりません．
工学における膨大な蓄積の多くは実は，
経験とカンに基づく「試行錯誤」によりなされてきています.
「試行錯誤」は，もちろんただただランダムになされるわけではありません．
既存のものを出発点に，くみあわせたりいいとこどりをしたり，
科学的推論でそれの欠点を補う方法を付加したりと，
多くの種類の「試行錯誤」がなされてきています.あなたの目の前の
コンピュータやネットワークシステムだって、
世界規模での「試行錯誤」のたまものです．
これらとの違いはなんなんでしょうか？

「計算機の中で，それをやる」ってことですか？

遺伝アルゴリズムは試行錯誤の一種

>>154
だから、遺伝アルゴリズムはいろいろ型にはまってる所が違う。
多くの作業が計算機でなされてる所も違う。

って、何くだらんマジレスしてるんだ俺…

遺伝的アルゴリズム、うちの会社では大活躍してるよ。
やっぱ、対して考えなくても最適解に近いものが出る＝早く答えが見つかる
というのが大きい。とにかくスピードが求められるんで。

なんか、今までの最適化法アルゴリズム議論っていったい何だったん
だろう、とか思ってしまう。

最適化法アルゴリズムなんて腐るほどあります．
それこそニュートン法，挟み撃ち法，線形計画法，共役勾配法，
Hopfield、その他，問題に応じて，さまざまな工夫がされてきている。

定義としては
『いでんてきアルゴリズムとは，最適化問題において，
試行錯誤的に変数を変化させていって，評価関数を最適化する方法』
でいいんですか？

計算機が速くなったし，実用的には，まあ，
それでもいいんだろうけど．．．

そんなもの気取って『いでんてきアルゴリズム』などというな．
バカ学生(+研究者)がおどりよる．
せめて「試行錯誤法」とよべ．

＞その他，問題に応じて，さまざまな工夫がされてきている。

ここがポイントで、遺伝的アルゴリズムは問題に応じた
工夫を考えなくてもある程度解ける、というのが画期的なのです。

＞定義としては
＞『いでんてきアルゴリズムとは，最適化問題において，
＞試行錯誤的に変数を変化させていって，評価関数を最適化する方法』
＞でいいんですか？

試行錯誤というと、ヒューリスティックにコンピュータが
考えているイメージがあるなあ。そうじゃなくて、計算機
パワーでゴリゴリと解くのが遺伝的アルゴリズムだと思う。

＞そんなもの気取って『いでんてきアルゴリズム』などというな．
＞バカ学生(+研究者)がおどりよる．
＞せめて「試行錯誤法」とよべ．

結局名前が気に入らないだけ？この人の中では「いでんてき」
というのがとてつもなくカッコイイ響きに聞こえているんだな。

>>159
おっしゃるとうりです．「いでんてき」なんて言葉のまやかしが
全く気に入りません。「複雑系」にしても「ナノテクノロジー」
にしても大嫌いです。こういうことばっかり言ってるから
大局的に見れば，結局，信用を失っていくことになります.

どんな探索手法にも向き不向きはあるもので、
結局、問題に対し有効な手法を選択する上での
１つの手法としてみるのが自然な気がします。

もちろん、GAにも不向きな問題があるわけでどんな問題にも適応できるわけでなく
スキーマ的な要素、電話の多い時計屋的な場合においてじゃなきゃ
特に有効ってわけではないし。
とにかく試行錯誤ができるだけの問題の枠組みが必要。
逆にそんな枠組みの問題にはめっぽう強いわけで。

それにしても、別に、遺伝的アルゴリズムにだけ
目くじら立てて文句を言うのはおかしくない？
他手法とかも、あまりわかってないように思われるよ。
あと、計算機の力でゴリゴリ解くのはどんな手法も、今の時代ほぼ同じじゃない？

>>161
「カッコよすぎる素人だましのことばのまやかし」を問題にしてます.
嫌いです．

それにあえてプラスして言うなら、そういう「試行錯誤的手法」は
プログラムも簡単だし、実用上重要なこともまあ認めます。
ただ，方法論的には，そういうかっこいいネーミングに
対応すべくもない，何の工夫もない，お粗末な方法だということです．

>あと、計算機の力でゴリゴリ解くのはどんな手法も、今の時代ほぼ同じじゃない？
って．．．どういう意味で言ってるの？　
ちょっとアホらしくなってきたので，すまんが抜けさせてもらいます。

>>162
言葉に関しては、べつにキャッチフレーズなわけで
研究者ならば言葉にだまされるような人もいないと思うのですが。
始まりが、ネオダーウィニズムだから
遺伝的アルゴリズムって日本語でいってるだけじゃん。

あと、計算機に関して、計算機の力を用いるのは基本でしょ。
どんな問題も、実時間でできる問題も結局はゴリゴリと短時間でやるわけ。
むしろ、どんなにゴリゴリやっても解けない（実時間でね）問題を
以下に、計算機で実時間で順最適な値を求めるかでしょ。
そこに、リアルタイムでできる分の計算をゴリゴリと計算をしては
いけない規則はないし、むしろ今の提案手法はそこをみてるんじゃない？

理想を追い掛ける前に、現実にとられている手法をみてみたら？
研究ってそこからだよ。

遺伝的アルゴリズムって言葉が気取ってる？
マジでそんなアホなこと思ってる奴がいるわけ？
言葉なんかどうでもいいと思うのは俺だけ？

ニュートン法や、線形計画法は気取ってないのか？
ニュートンとか計画なんておおげさなこといっちゃってさ。
違いはなんだよ。（ﾜﾗ

>>164,165
あんまり言っちゃだめ。きっとこれからの人だと思うし。
何かしらいい手法が思い浮かんだら、その手法を
広く知らしめるために、あえてキャッチーな名前をつけるのは常套手段だしね。
ファジー計画とか、しいていうなら遺伝的アルゴリズムもその辺だと思うし。

ちなみにGAは昔、Evolutionary Strategy（進化論的戦略)とか、
Evolutionary Programming(進化的プログラミング）とか呼ばれた時期も
あったみたいよ。すごく、かっこいい。
今で言うならquantum computingとかDNA computing とかも
名前先行だよね。かっこよすぎる。

( ゜┏Д┓゜) このタワケがぁぁー！！！

遺伝的アルゴリズムの研究をする研究者がいるのは
奥が深くとても役に立つから。
名前のせいなんて言ってるのは勘違いもはなはだしい。
そのうち最適化アルゴリズムで革命が起こるかもしれないとすら思う。

>>166
ＧＡと進化戦略は微妙に違うと思われ。

たしかにです。

ただ、これはIngo RechenbergのESのことをいってて、
突然変異主体性のGA-likeなやつのことをいってます。
進化戦略と進化論的戦略もまた違うものです。

ただ、遺伝的手法ということではいっしょかなと思ってかいてみました。

オイラのとこでも最適化手法は色々試しているけど、他の手法と比較すると、
さしあたりＧＡ君にほとんど用はないれすよ。あくまでオイラのとこではね。

革命したいんなら、既得権益層と自分の立場をちゃんと理解しないとな。
>>158, 161が言うように、他の最適化手法とGAの向き不向きを吟味しないと。

>>168
小説やテレビドラマみたいに、シナリオのバリエーションにキリがないこと
を、"奥が深い"とかいってないだろうね？
GAの研究って、進化のシナリオをいぢり回して”ああやったらこうなりまし
た”みたいな話を良く効くけど、そこから一般性があって役に立つ知見って
中々出てこないよね。スキーマタの定理みたいな。"こんな問題には最強"み
たいな恣意的なヤツばかりなのも困るぞ。

>>161
すんません、“電話の多い時計屋”て何ですか？

>>171
電話がしょっちゅうかかってきて時計作りのじゃまされる時計屋さんが、
いかに効率良く時計を作るかっていう問題です。

それには、モジュール化とか、家内分業を導入とか
じゃまにたいする頑強さがいるみたいな話。

ノイマンな時代のちょっとした問題です。
他にも、信頼性のない計算機でいかに信頼できる答えを求めるか？
という類似な問題もあります。

>>171 自分のことをオイラって呼ぶ，まともな意見を
書く人物といえば。。。
ひょっとして最近「インターフェイス」に書いてませんでした？

>>166
大嘘はつかないように。経済学者＋生物学者＋dynamics systemの研究者から
タコ殴りにされるよ。

Evolutionarily Stable Strategyを変な形で記憶していると思われ。
またその分野は「Evolutionary Game Theory」と呼ばれ、GAとは
ほぼ全く関連がない。遺伝的手法云々というが、その内実は、
相当の内容がちがう。

>>174
でも現在、国際会議ではEP,ES,GAが統合されてECとして
会議されてるけどね。そういった意味（Evolutioary Computationとしてのね)。

例えば、ICGAとかでは顕著じゃない？
ICECとかも。

>>174
あ、でも違うことは認めます。
誤解っていうか誤認識ならごめんなさい。

モデルとしてのGAとの相違点を挙げてくれたらうれしいです。
適応対象の問題や数学的な研究とかとはべつに、
遺伝操作、世代交代など、モデル自体がもつ相違点を
教えて頂けないでしょうか？

プログラムの質問ですが、怒らないでください。
main(void)
{
genepool();

for(i=0;i<POP_SIZE;i++){
gene_out(gene_pool[i].chrom);
}
}//main(void)
void genepool()
{
for(i=0; i<POP_SIZE; i++){
makestring(gene_pool[i].chrom);
　　　　　}
}
void makestring(int chrom[])
{
for (i=0;i<chrom_size;i++){
chrom[i] = random() >0.5 ? 1:0;
printf("%d",chrom[i]);
}
printf("\n");
}//void makestring
void gene_out(int chrom[])
{
for(j=0;j<chrom_size;j++){
printf("%d",chrom[j]);
}
printf("\n");
}
※変数宣言は消して書いてます。
makestring関数での出力結果と、gene_out関数での出力結果が
微妙に違ってしまうんですけど…。
ex.POP_SIZE=2,chrom_size=8
出力結果 makestring関数 gene_out関数
01011001 01011011
11011100 11011100
教えてください。解けなくてこんな時間になってしまいました(T_T)
ごめんなさい、長々と…。

「出力結果」がわかりにくいですよね。
makestring関数では、「01011001」「11011100」と出力されたのに対し、
gene_out関数では、　「01011011」「11011100」と、一つ目(01011001)
の結果が違って出力されてしまうんです。

>>178
情報が少なすぎます。答えようがありません。
gene_poolってのが曲者。なんなのかわからない。
こういったプログラムを書く人が、正しい宣言をしてるとは思えないわけでして。
宣言を求む。

プログラムです。
どうしてmakestring関数とgene_out関数で出力結果が違って
しまうのか分からないでいます。

#include<stdio.h>
#include<stdlib.h>
#define POP_SIZE 2
#define G_LENGTH 8
struct Individual
{
char chrom[G_LENGTH];
double fitness;
int pheno;
};
struct Individual gene_pool[POP_SIZE];
void makestring();
double assignfitness();
double random();
void genepool();
void gene_out();
int chrom_size
main(void)
{
int i;
chrom_size=G_LENGTH;

genepool();
for(i=0;i<POP_SIZE;i++)
{
gene_out(gene_pool[i].chrom);
}
}

void genepool()
{
int i;
for(i=0; i<POP_SIZE; i++)
{
makestring(gene_pool[i].chrom);
}
}
void makestring(int chrom[])
{
int i;
for (i=0;i<chrom_size;i++)
{
chrom[i] = random() >0.5 ? 1:0;
printf("%d",chrom[i]);
}
printf("\n");
}//void makestring(int chrom[],int chrom_size)

void gene_out(int chrom[])
{
int j;
for(j=0;j<chrom_size;j++)
{
printf("%d",chrom[j]);
}
printf("\n");
}

double random()
{
double ra;
ra=((double)rand()/RAND_MAX);
return(ra);
}

長々とごめんなさいm(__)m

>>171
誰も「GAが」革命を起こすといはいって無いんだが。（ﾜﾗ
ただし、最適化アルゴリズムで革命が起こるとしたら
GAの一部の発想は取り込まれるだろうな。
たとえば、GPのプログラム自動生成に関わる発想とかな。

>>182
ほいさ。
少なくとも、関数宣言と関数実装が違うのはどうかなって思います。

原因としては構造体の中でchar配列でchromを定義してるのに、
int配列を受けとる関数で処理してるのが原因かと。
とりあえず、構造体のなかのcharをintに変えてみたら？
意味的には問題ないと思うし。

もう少し、C言語の勉強したほうがいいかもしんない。
このまま行ったら、後々とんでもなく苦労するよ。

お前等良く字下げの無いプログラム読めますね

脳内コンパイラです。
ちなみにgccです。

>>186
にせもの発見。私じゃない。
こんなの初めてでドキドキです。

あぼーん

184さんありがとうございまする！！
できました。
脳内コンパイラ、gcc…。

>>175, 176

Evolutionary ComputingとEvolutionary Game Theoryは、似たような
フレームワークに見えても、目的が全く違う。そのため、研究も研究者も
全く異なる。

以下も見てもなお、EGTがECと同じと思うかどうか、感想キボーン。

http://civitas.e.yamagata-u.ac.jp/evogame/lectures/evogame-intro/default.htm
http://www.hi-ho.ne.jp/%7Etakahachi/sn281/sn281.htm

後者のような状況を分析するために生まれた数学的道具が前者だ。

あぼーん

>>190
だから、モデルとしての相違点をいってよ。
研究目的とか数学的背景が違うのは上でも認めてるよ。

でも、ダーウィニズムを下とする考え方としては同じではないの？
あと、研究者がまったく違うというのはいけ好かない言葉ですね。
その辺の日本人だったら坂??さんとかしらない？(名前かいたら調べそうなので書きません)
とても有名だよ。

加えて、わたしはEGTについて言及したことは一言もないんだけどね。
へたな参照じゃなく自分の言葉でかけるかな？

誰も自分の言葉で書けないみたい。

161です。
だれも、書いていただけないようなので個人的に閉まります。

こういった手法の目的とか有効性とかって、手法を使う側の捉え方、
対象への適応のしかたで変わるものだと考えています。
モデルを最適解探索に用いるか、はたまた、予測、対象作成に用いる等により、
手法は様々な利点、効能をみせてくれます。
手法自体の研究という観点もありますが、その手法を作成した人は
手法がどういった対象を捕らえるのかも同時に模索していることが多いです。
Kozaさんみたいにね。

存在するものを決めてかかるという姿勢は、研究には向いていないと考えますし、
それを常に自分にも問う姿勢は大切だと考えます。
以上です。傲慢な言い回しも多かったですがご容赦です。しつれいしまー。

高レベルなカキコの後に、低レベルのカキコをお許しを。
トーナメント選択というのがありますよね。
それで、「トーナメント数２」というのは個体群の中から、２個ランダム
に選んで、フィットネスが高い方を残すって言うことでいいのでしょうか？
「トーナメント数４」だったら、４個ランダムに選ぶっていうことで？
よろしくお願いします！

あぼーん

このスレで発生するGAに対する否定的な意見は僕も辟易してるところです。GAはまだまだ未解決な分野なのです。だからこそ研究者としては興味の尽きない話です。でも、利用者にとっては不備が目に点いてしまうのでしょうか?

>>195
その通りだと思われ。トーナメント数が大きすぎると、
早く収束しすぎてｼﾊﾟｰｲするかも。

しかし、人がいない板だ

198さんありがとうございます。

DGAとRGAで、コーディングの難易度が易しいのってどちらですか？
よろしゅうです。

分散ＧＡと実数値ＧＡ？のこと？

>>202
その通りです！
易しい方からチャレンジしてみようと思って、調べているのですが…。
お願いします。

このふたつのどちらか、という選択がﾜｶﾗﾝ。
実数値ＧＡを分散処理することだってできるような……。

役に立てなくてスマソ

書き込める？

ちょっと通りがかりで気になったので遅レスしてみる．
最近のを見てると，もはや進化論的とか遺伝的って呼べる
のかよくわからん．
ときたい問題に応じて，そのへんにある近似解法と組み合わせたり，
統計量はかって使ったり，人工知能のノウハウを入れてみたり．
やってることは結局バイナリコードのうまくいきそうな生成法であって，
どこが進化論やねん！とか思ったりする．

最初のコンセプトが，一応「生物の遺伝のしくみのシミュレーション」
で，それにしたがってHollandとかがそういう用語を使い始めたから，
名前がのこってるのかなあと思ったりはする．
これはあくまで個人的意見ね．

最近、ラマルク的なGAはじめたからage---!!
がむばれEC。

最近ネタに詰まってるけどage-----!!
ラマルクが何かわからないが、がむばれEC。

^

GA Lib.とかあるので、お手軽なので、「非」専門家にはよく使われますが、
本当のプロはtabu searchとかguided local searchですよ！まあ、へぼい学会
に投稿する分には子供だましのGAで十分でしょうが。

>>210
組み合わせ最適化問題。すてき。

へぼい学会。いやはやたしかに。心が痛い。

単純GAやSAはよく使ってます。
理由は毎回一からソース書けるくらいインプリメントが簡単だから。
それ以上の理由はありません。

あぼーん

タンパクのfoldingの研究でつかってまっす。つうか　そういう仕事をみた。
高分子がglobularにfoldすると、エネルギー安定な構造とその周辺のエネルギー地形を調べるのに、
いくつかの基の協奏的な動きが必要。そこでGAが有用です

あぼーん

>>212
確かにラクだわな。

「遺伝的アルゴリズムを学ぼう」スレの３７さんへ
>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！

VEGAなんてどうかしら？
あまりGA詳しくないのに言っちゃって、みなさんに殴られるかも。

あぼーん

age

質問です。
多目的GAだと、普通に交叉（バイナリ遺伝子で）をやっても、より良い解を生成できないらしいんですけど、
何か特殊なやり方があるんですか？
調べても駄目でしたので、ご存知の方がおりましたら、よろしくお願いします。

>>220
複数の目的に対して、理想的な場合、
目的Ａにとってよい部分ストリングと
目的Ｂにとってよい部分ストリングを組みあわせて
両方にとって良いストリングを作れる。
ただ、これが普通のＧＡでは難しい。
Ａにとって良いストリングがＢにとって必ずしも
良いとは限らない（むしろ逆かもしれない）し。
選択をうまいことやって各目的にとって（そこそこ）
良いストリングがいろいろと残るようにして組み合わせるとか。
具体的には多目的ＧＡの論文を読んでみてください。

ありがとうございます。
VEGAのようなやり方を有効に使おうとおもいます。
考えてみます。
本当にありがとうございます。

文系の私です。数式が読めません(+_+)
ヒントを下さい。
s(d)=max{0,1-d/40}というものです。
この、maxは最大の時という事でしょうか？
また、{0,1-d/40}の「0,1」の意味が分かりません。
お願いします。

>>223
0と1-d/40を比較して大きい方をs(d)とします

正確には小さくない方だけど・・・

ご教授ありがとうございます。
上の式は、シェアリング関数というものです。
dは個体i,j間の距離らしいんですが、これにはユークリッド距離(？)と
いうものを適用してしまってよいのでしょうか？
仮にそうだとすれば調べたところによると、ユークリッド距離というも
のは ||f-g|| の２乗をとるらしいんですが、これはつまり4と2でしたら
(4-2)の２乗で「４」になるということでいいでしょうか？
また、点(2,3)と点(5,4)の場合だと、（2-5）の２乗で「9」。(3-4)の
２乗で「1」。それらを足して、点(2,3)と点(5,4)のユークリッド距離
は「10」という計算方法であってますか？
お願いします。

>>225
個体というのは0と1でコーディングしてあるもの（いわゆるビット列）だろうか？
だとしたら、距離というのは、別々の値をとっている遺伝子座が何個あるか数える。
個体iが 10000101
個体jが 00100100
としたらハミング距離は3です。

書き込みの方、ありがとうございます。

>個体というのは0と1でコーディングしてあるもの（いわゆるビット列）だろうか？
はい、そうです。
現在のコーディング手法はグレイコーディング、バイナリコーディングです。
>距離というのは、別々の値をとっている遺伝子座が何個あるか数える。
>個体iが 10000101
>個体jが 00100100
>としたらハミング距離は3です。
ある論文で、
>ここで，d(xi, xj) は，個体i とj とのユークリッド距離である．一般的に距離d の測定法により、遺伝子のハミング距離を用いる遺伝子型
>シェアリングとパラメータ空間でのユークリッド距離を用いる表現型シェアリングとがある。表現型シェアリングにはさらに、設計変数間のユーク
>リッド距離と目的関数間のユークリッド距離を測定する方法がある。MOGA では目的関数空間でパレート最適集合を求めるので、後者がよく用
>いられる。
とあります。

そのため、私は目的関数間のユークリッド距離を測定する方法をとろうと考えていました。
この事は、
例えばf1=(x1*x1)/4
f2=x1(1-x2)+5
の時、
　　　個体１の遺伝子　x1->表現型　3, x2->表現型　1
　　　個体２の遺伝子 x1->表現型　2, x2->表現型　2
だとします。
すると、f1を横軸、f2を縦軸にとった散布グラフで、個体１は(2.25,5)、 個体２は(1,3)にプロットされて、この座標の距離がdだと考えていて、
これらのユークリッド距離は、>>225のように求めてしまってよいのでしょうか？ というものでした。
この考えは、ひょっとして根本的に間違っていますか…^_^;
長々と失礼致しました。
ご教授お願いします。

>>1を焼きなませ！

metastable state にハマりました

MOGAで、シェアリングパラメータを決定する際、そのパラメータを見積もる方法というのはあるのでしょうか？
調べた結果、シェアリングレンジというものも存在するようですが、今一つ分かりません。
ぜひとも、よろしくお願い致します。

あぼーん

あぼーん

うき

あぼーん

aho

アホちゃうわ

久々に来たら卒論対策ページになってまつね。

ＧＡっておもしろいね。
でも、研究じゃないよね。
余暇活動のような気がする。

あぼーん

★----------------------【【裏・情報・取引】】--------------------------★
◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆
◆裏情報取引サイト→http://www.kawachi.zaq.ne.jp/dpdan803/◆
◆国際免許取得→→→http://www.kawachi.zaq.ne.jp/dpdan803/◆
◆悪徳業者情報→→→http://www.kawachi.zaq.ne.jp/dpdan803/◆
◆あらゆる調査→→→http://www.kawachi.zaq.ne.jp/dpdan803/◆
◆委託販売募集→→→http://www.kawachi.zaq.ne.jp/dpdan803/◆
◆宣伝・掲示板→→→http://www.kawachi.zaq.ne.jp/dpdan803/◆
◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆
★---------------------↓↓↓↓↓↓↓↓↓↓↓↓--------------------★

（＾＾）

ウィルス進化型ＧＡはつかえないの？どうなの？

あぼーん

あぼーん

おまいら！Ｃで書かれた遺伝的アルゴリズムのソースがおいてあるＨＰ知ってたらアドレス教えてください。

＋----------------------【【裏・情報・取引】】--------------------------＋
-＋-裏情報取引サイト→http://www.kawachi.zaq.ne.jp/dpdan803/-＋-
-＋-国際免許取得→→→http://www.kawachi.zaq.ne.jp/dpdan803-＋-
-＋-悪徳業者情報→→→http://www.kawachi.zaq.ne.jp/dpdan803/-＋--
-＋-あらゆる調査→→→http://www.kawachi.zaq.ne.jp/dpdan803/-＋-
-＋-委託販売募集→→→http://www.kawachi.zaq.ne.jp/dpdan803/-＋-
-＋-宣伝・掲示板→→→http://www.kawachi.zaq.ne.jp/dpdan803/-＋-
-＋-投稿H画像→→→http://www.kawachi.zaq.ne.jp/dpdan803/-＋-
-＋-高純度科学物質→→http://www.kawachi.zaq.ne.jp/dpdan803-＋-
+---------------------------------------------------------------＋

>>246
ttp://www.iitk.ac.in/kangal/soft.htm
卒論あんまり手を抜くなYO!

質問スマソ

GAと自然界における遺伝の両プロセス間での類似点と相違点って
なんでしょうか？

自然界の適応と淘汰をモデルにしたのがＧＡ
進化論的発想も含まれる。
但し、進化論自体、何が正しいのかは分からないから
ＧＡが進化をモデルにした、という表現を使うのは誤り。

単純に言えば、ＧＡは簡単で自然界は複雑。

最も単純なＧＡオペレーションの交叉と突然変異のプロセスは自然界にもある。
このオペレーションだけ見ても、交叉に（自然界では交配？）至る過程が異なる。
個体同士が「生存確率の高い子孫を残せるだろう」という相手を選ぶ。
ＧＡは基本はランダム。個体の意志は無関係。
私見では、ここが最も異なる所だと思う。

比べると突然変異はそう大差ないかもね。

あとは、生存判定の評価関数の性質かな。
関数でモデル化できるけど、自然界での死因は１つじゃないが
ＧＡでは単一の評価関数を用いるのが普通。

まぁ、考えれば相違点なんていくらでも出てくるわけで。
その相違点を取り入れたＧＡなんてのも卒論のテーマにはなるわなぁ。
今書いてるのには到底間に合わないと思うけど。

|∀｀)ノ 頑張ってねぇ

>>250
レスありがとうございます。
私はまだ学部３年なんですが、講義でちょっと出てきて興味持ったんで。
GAってなかなか面白いですね。卒研とは別にやってみようかな

（＾＾）

（＾＾）

　　 ∧＿∧
　　（　　＾＾ ）＜ ぬるぽ（＾＾）

あげてみよう

あぼーん

あぼーん

━―━―━―━―━―━―━―━―━[JR山崎駅（＾＾）]━―━―━―━―━―━―━―━―━―

━―━―━―━―━―━―━―━―━[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

ナンクロパズル解こうとがんぱってみました
おしい、答えしかでんな

あぼーん

あぼーん

■■　儲かる出会い系ビジネス　■■

初心者でも簡単運営
宣伝、運営サポート充実
出会い系サイト運営システムレンタル

http://dokiri.net/open/bite.html




rlgrkkrkhkrlhrkhrtlkhhpt

確かにGAは試行錯誤の延長にある。ただ効率よくやる点が違う。インプリシット・パラレリズムというやつ。アルゴリズム自体が簡単なので見落としがちだが、元祖の本に帰るのも時に役立つ。

あぼーん

GAとは、論文を作るための道具である。

多目的最適化問題ならmodeFRONTIERだよ。
検索してみて。

あぼーん

あぼーん

あぼーん

　__∧＿∧_
　|（　　＾＾ ）|　＜寝るぽ（＾＾）
　|＼⌒⌒⌒＼
　＼ |⌒⌒⌒~|　　　　　　　　　山崎渉
　　 ~￣￣￣￣

タグチメソッドって何？

http://kojiro.free-city.net/page003.html

あぼーん

>>273
遺伝的アルゴリズムとは関係ない。

遺伝的アルゴリズムは何に使うの？

　__∧＿∧_
　|（　　＾＾ ）|　＜寝るぽ（＾＾）
　|＼⌒⌒⌒＼
　＼ |⌒⌒⌒~|　　　　　　　　　山崎渉
　　 ~￣￣￣￣

最適化って？

あぼーん

CAEとCAOの時代になるのかな？

あぼーん

Y本興業のF井隆ら６人が名誉毀損で２ちゃんねるを告訴
http://tv3.2ch.net/test/read.cgi/geinin/1058512767/12

↓ここに詳しくのっていたよ（＾＾
http://osusume.zero-yen.com/%7E/news05.htm

　　 ∧＿∧
　　（　　＾＾ ）＜ ぬるぽ（＾＾）

　　　 　∧＿∧　 ∧＿∧
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

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

CAOって何？

Chief Aborn Officer

おでん的アルゴリズム

あぼーん

あぼーん

あぼーん

あぼーん

あぼーん

あぼーん

あぼーん

　　　　　.＼これからもヒヨコ戦艦を応援して下さいね（＾＾）。／
　　　　　　 ￣￣￣￣￣￣￣￣￣￣￣￣￣￣∨￣￣￣￣.　|　　＿＿＿＿＿＿_
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 　 |　 |シャワールーム|
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 　 |　 | (ｱｳｼｭﾋﾞｯﾂ式) |
　　　　ﾊﾆｬｰｰｰｰﾝ!! ﾔﾒﾃｪ!!　　　　　　　　　　　　　 　　　　 . |　　￣￣￣￣￣￣
　　　　ﾔﾏﾄｵﾀﾔﾒﾙｶﾗ ﾀｽｹﾃｯ!!　　 　　　∧＿∧　　 　 　 　 |　 |￣￣￣￣￣￣|
　　　　　　　　　　。∧∧゜ ｡∧∧ﾟ　　　.　（　　＾＾ ） 　 　 　 　 |　 |　.　　 　　　　　|
　　　　　　　　　｡・(；T０ﾟ)　ﾟ(>0<*)・｡ __,,,と　　　　）　　　　　 . |　 |　　　　　　　.　 |
　　　　　　　　　　 ﾐ三彡==ﾐ三彡"￣　　 人　 Ｙ　　　　　　　 |　 |.　　　　　　　　 |
　　　　　　 ( ( (　とと__ﾉ〜と＿Ｏ〜　　.　し（＿_）　　　　　　　|＿|＿＿＿＿＿＿|＿＿＿＿
　　　　　　　　　　　　　　　　ﾋﾞｴｰｰｰﾝ
　　　　　　　　　　　　　　　　ﾀｽｹﾃｰ

http://comic2.2ch.net/test/read.cgi/ranime/1057768177/l50
http://comic2.2ch.net/test/read.cgi/ranime/1060954282/l50
http://comic2.2ch.net/test/read.cgi/ranime/1047393220/l50
http://comic2.2ch.net/test/read.cgi/ranime/1059834456/l50

あぼーん

遺伝的アルゴリズムで
連続世代モデルに関する研究はあまりされて無いの？
サーベイしてみても見つからないんだけど

これはむしろ生物進化とかのアプローチの方に近いけど
なんか知ってる人がいたら教えて下さい

遺伝便利サイト
http://www.fujisawa.co.jp/reagent/market_0308/genomarray.html
http://village.infoweb.ne.jp/~gene

PostgreSQLも遺伝アルゴリズム使ってるね。
２ｃｈのDBサーバははポスグレじゃないのかな？

GAで電子回路を合成
いっぱい論文が書けそうでつ

良く判ってないだけかもしれませんが、GAと行き当たりばったりの区別がつきません。
行き当たりばったりに要素を組み合わせていけば最適なスキーマがそのうち
出現するよってそりゃ当たり前だと思うんですが、GAのなにが特殊なんでしょうか？

>>304
ものを探す一番簡単で子供でもやる方法は”行き当たりばったり”だろ。
これを、早くやれば良いだけの話し。これがＧＡの基本。

>>304
よいしょ
tp://www.1101.com/morikawa/index_AI.html

一応、ニューラルネットでInput層=16*16(Pixels), 中間層=1, Out層=8(Ascii)で
単純な文字認識NN組んだ事がある程度に浅くかじったAIの知識はあるんですけど、
解説読んでも、どうもGAはピンとこないんですよ。専門は3DCGです。
例えば古典的な探索木を使ったバックトラックアルゴリズムを差し置いて
GAを使うメリット、これがわからない。GAの場合って探査木の葉の部分
だけの深さのない平板なわけですよね？極端なこと言うと、全ての
組み合わせを列挙するだけで、ヒエラルキーも派生の情報とかも
失われちゃうってことで、探索木と比べてもメリットがないと思うんですが。
GAを勉強途中で、その疑問に引っかかってやめてしまいました。

↑もちろん、自分のアタマが悪いだけだとは思ってますが。

GAの練習で巡回セールスマン問題をやっています。

ところで、突然変異は優秀な遺伝子にも適用した方がいいのでしょうか。
全部の遺伝子に一定確率で突然変異を起こすと
せっかくいい成績が出ているのに、突然変異で悪くなることがあります。
最上位の遺伝子だけ例外にすると単調にスコアはよくなりますが、
多くのサンプルでは全部の遺伝子が等確率で突然変異を起こしています。

これは私のプログラムにバグがあるのか、
優秀な遺伝子は突然変異を起こさない方がいいのか判断に困っています。

識者のかた、アドバイスをお願いします。

突然変異の確率が高すぎるのでは？

突然変異自体は局所解に陥っても
そこから抜け出せるようにするための”隠し味”のようなものですし。
とりあえず確率を低くした上でもう一度実験してみるのがいいと思われ。

>>309
エリート保存戦略しる!

>>309
タブーサーチでもいいね

激しく遅ﾚｽだなここは…

ここで凄い事が
ttp://idol.bbspink.com/test/read.cgi/ascii/1086008026/l50

初めまして、新人の、モナーどえす。

分布推定使ってますか？

こんなのはカオスニューロあたりを使ってサクサクッととけるよ

経営に遺伝的アルゴリズムを持ち込もうとしている。
我ながらアホだと思う。
ただ、上層部を騙し通したらO.K。

最適化を考えているとしたら、問題なのは遺伝的アルゴリズムや線形計画法と
いった最適化アルゴリズムをどうするかといったことではなくて、市場シミュ
レーションや評価関数のモデリングが適切にできるか、といったことなんじゃ
ない？

市場のふるまいや財務評価についてコンピュータ上で適切に評価計算すること
が可能になれば、最適解を求めるのは人間がやるよりはGAの方がマシなのは当
たり前のような希ｶﾞｽ。あと、最終的な意思決定の仕組みまでどう考えるか、
かな。

>>319
いや、でもね。
中身がほぼ完全にブラックボックスで、
コンピュータが出した数字をそのまま鵜呑みにして施策を行う企業があると思う？
その意味では遺伝的アルゴリズムもニューラルネットワークも経営分野では実用的じゃないと思う。
飛行機のようにシミュレートできないんだよ？

C言語を使って遺伝的アルゴリズムをジョブショップスケジューリング問題に適用したいのですが、さっぱり分かりません。
どなた様か簡単なプログラムを教えて頂けませんか？？

>>321
そんな本があったよ。

どんな本だったか分かりませんか!?

age

>>321
具体的にどの部分のコーディングがわからないのでしょうか？
スケジューリング問題にＧＡを使うと，それなりに答えはでるけど，
実際には使いものにならんよ．

>>325
なんで使い物にならないの？

>>326
GAである程度の良い答は出せます．そういう意味では使えます．

でも，実際の工場で，担当者がGAで答を求めるソフトがあったとして，
それを使うかどうか？
あなたの近くの担当者はどうですか？

>>325
コーディング法はガントチャートをもとにして、各機械における
仕事の投入順序を順列で表し、2次元表現したものを遺伝子型にしようと
考えています。
また、各仕事を処理する機械の順序や、各機械上での各仕事の処理時間は
与えられているものとします。
この際の、与えられた条件からガントチャートを作るためのプログラムを
教えて頂きたいのですが…？
できればガントチャートはアクティブスケジュール（技術的順序を
守っているならば先行作業を飛び越して、できる限り無駄な時間を無くす
スケジュール）にしたいと思っています。

たとえば，ちょっと古いけど
遺伝的アルゴリズム，北野 宏明 (編集)，産業図書 ; ISBN: 4782851367 ; (1993/06)
にコーディング法が載っています．
続編２と３でも，似たようなスケジューリングの問題を取り扱ってます．

順列表現をしたいなら，
遺伝的アルゴリズム ソフトコンピューティングシリーズ
坂和 正敏 (著), 田中 雅博 (著), 日本ファジィ学会 (編集)，朝倉書店 ; ISBN: 4254209908 ; (1995/09)
に，コーディング，交叉法等が解説されています．

>>327
現場の人が使いたがらないとしたら、その理由はなんだと思う？

>>331
働けばわかるよ。

ニートの俺も使いたがらないとしたら、その理由はなんだと思う？

>>333

>>320

GAに限らず，最適化手法というものは，意思決定の場においてブラック
ボックス的なイメージがありますが，それは運用する現場の人間の能力
の問題です．数年前までは，最適化手法を利用することに抵抗感を感じ
る人は確かに多かったのですが，最近は「あたりをつける」という意味
で実際に用いられる例は非常に増えてきています．そして，出てきた答
えの良し悪しを判断する能力が意思決定者に問われています．

ただし，ジョブショップスケジューリング問題などは，GA以外にも解法
はたくさんあるわけで，何もわざわざ求解に時間のかかるGAを使う必要
もないのでは？
また，スケジューリング問題は最適化手法自身の性能を評価するうえで
数学的には面白い問題だとは思いますが，実際の現場では，問題に盛り
込めない不確定な要素が多くて，なかなか数式どおりにはいきません．

>最近は「あたりをつける」という意味
>で実際に用いられる例は非常に増えてきています．

具体例って挙げられる？
自分の知る限りでは、最適化ソフト製造・販売業者のパンフレット中での
成功事例しかないんだけど。しかも実際は利用されてないはず。

具体的な企業名・製品名を挙げるのは控えるが，
（口外できないらしいので）
構造設計での導入の話が多いですね．
すでに市場に出回っている製品で使われています．

>>332
漏れ、その方面で働いてるから一応知ってるよ。
コンピュータにできて人間にできているのは「なぜ」なのか考えて、
双方の利点を生かすることで着実に問題をﾂﾌﾞしていくのが企業人と
いうものだーよ。わかる？

>>335
参考書や学会発表で、検証例題として出てくる「ジョブショップ」は
確かに単純すぎるな。でも、企業では現場レベルに近いかなり詳細な
モデルで計算してたりもするよ。
この手の問題で使えそうな最適化手法っていうと、ＧＡ以外の手法だ
と例えば何？分岐限定法やＳＡ？線形/非線形計画法とかこの手の問題
で使い物になるのか？
あと、ＧＡが実際の製品設計に使われてるのは既に大分認知されてるん
じゃない？Ｍ菱電機がCRTシャドーマスクだかの構造設計に使ったりと
か新聞に載ってたよね。

>>338
まー，そう怒りなさんな．

最適化をしたいときに，問題の特性に応じて，適用する最適化手法を
選ぶのも運用者のスキルのうちですよね．GAは柔軟性に富むので，様々
な応用例が考えられていますが，スケジューリング問題の求解法は，
現在のGAよりも優れた手法が昔から山ほど考えられてきています．そ
ういったもので，解けない問題となったときに，初めてGAの導入を検
討してください．

同じことで，Ｍ菱電機のCRT設計はあの当時としては画期的でしたが，
今から考えると，わざわざGAを使う必要はなかったかな，と思いません？

>>339
詳細は失念したけど、あのﾈﾀはﾄﾎﾟﾛｼﾞｰ問題がメインだっけ？
ﾛﾝﾌﾞﾝで検証例題としてよく使われるような構造解析として単純な問題なら、
もっとスッキリした解き方ができるのかな？あと、ﾜｹわかんない形が出てく
る手法とかもあるね。ああいったのって使えそう？

CRTの例は板厚の最適化だったと記憶しています．
論文で検証に使われている問題だけでなく，そもそも一般的に言
って，静的な構造問題は極端な多峰性を持たないので，わざわざ
GAを使うメリットはありません．SLP，SQPあたりで十分です．
もしGAを使うとすれば，材料選定などのような離散変数を含む
問題になった場合が考えられます．339でも書いたように，普通
の方法で解けなくなったときのみ，GAの適用を考えてください．

ﾜｹわかんない形が出てくる手法というのは，おそらくトポロジー
最適化手法のことですね．これは基本設計段階での検討に，
（試験的に？）使われているといったレベルかと思います．

構造最適化手法は，その他，寸法最適化と形状最適化に分類され
るものがありますが，これらの方がより広い範囲で利用されてい
ます．

あ，GAのスレで，なんかGAのことをボロカスに言ってしまった希ガス．
使えるところには使えるのよ．

離散変数・連続変数混合問題．
多目的最適化問題．
複数の解候補が必要な場合．　等
あと，特殊な組合せ問題で嵌るとすごい．

クラシファイアシステムっての勉強したいんですけど、
なんかいい参考書ないですか。

　　　 　∧＿∧　 ∧＿∧
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

Gray Codingとハミング距離と交叉に関する数学的な定理って、どんなのがありますか？
Gray Codingを用いた交叉は、必ずこの範囲に収まる、みたいなのがほしぃ。

てか、Gray Codingはおそらく理想的な交叉だとおもうのですが、そうすると、
Gray Coding + Mutation = Binary Coding
みたいになるじゃないですか。で、Mutation何%相当とかって計算できないのかなー

>>345
何をもって理想的と言うかにもよるけど、こんな研究もありますよん。

http://www.nlab.sogo1.ynu.ac.jp/ynu/r_samples/no_5_3.html

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　　 　∧＿∧　 ∧＿∧　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
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

...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

これやってる有名な研究室って
東大伊庭研ほかにはどこ？

巡回セールスマン問題の標準的な問題にTSPLIBが有りますが、他の最適化問題に対する標準的な問題って有りますか。
ナップサック問題のような、実装が簡単なもので。

あげ

さげ

まん

おお、更新されてる！と思えば・・・

共進化GAやってる人いますかあああああ
分からんこと多すぎて誰かヘルプミーー

>>356
どんなことやってんの？

ソーティングネットワークやってます。
ダニーの論文は分かりやすいのですが細かいこと書いてないので
苦戦してます。

知らない

DEやってるやつはおらんのか・・

ﾉｼ

相場のある指標をパラメータにして一定期間内に
最大利益をあげる売買手法の取得をやってる

使ってる指標についてkwsk

>>358
ｲﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀﾀ

パピコ

2年越しの安価ってw

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/

hoshu