記事「人工部族アルゴリズム(ATA)」についてのディスカッション

新しいコメント
 

新しい記事「人工部族アルゴリズム(ATA)」はパブリッシュされました:

本記事では、状況に応じて適応的に動作する独自の二重行動システムを備えた進化的手法、人工部族アルゴリズム(ATA: Artificial Tribe Algorithm)の主要要素と革新点について、詳細に説明します。ATAは、個体学習と社会的学習を組み合わせ、探索には交叉を用い、局所最適に陥った際には移動によって新たな解を探索するためのアルゴリズムです。

ATAアルゴリズムのプロセスは、パラメータの設定と部族のランダム初期化から開始し、その後適応度を計算します。次に、反復カウンタを増加させ、部族の現状を評価します。状況が良好である場合（世代間の最適適応度の差が所定の基準より大きい場合）、繁殖行動を行い、個体間で情報交換をおこないます。一方、状況が不十分な場合には、移動行動が実行されます。この場合、個体は自身の経験および部族全体の経験に基づいて移動します。移動は過度な分散を避けるため、連続的にはおこなわれません。その後、再度適応度を計算し、部族全体および各個体の記録された最良値と比較します。より良い解が見つかった場合、その情報がメモリに保存されます。終了条件が満たされている場合には反復を終了し、そうでなければ状況評価のステップに戻ります。

ATAに全体情報を組み込むことで、部族の歴史的経験に重みを与え、より良い解の探索や探索能力の向上に寄与します。部族の経験の重みを増加させることにより、アルゴリズムの効率が向上し、収束速度が加速します。これを実現するため、ATAでは全体慣性重みを導入しており、探索能力を高め、プロセスを高速化します。

ATAの最大の革新点は、状況に応じて適応する二重行動システムの存在です。進捗が良好な場合には、繁殖行動による深い探索がおこなわれ、局所最適に停滞した場合には移動が発動され、より広範囲の探索が促進されます。また、個体学習と社会的学習の組み合わせも重要です。移動時には個体記憶(Xs)が使用され、全体記憶(Xg)はAT_w慣性係数によって重み付けされます。繁殖時には交配相手をランダムに選択することで、多様性を保ち探索速度を向上させます。



作者: Andrey Dik

新しいコメント