メタヒューリスティック手法における取引戦略の効果的な最適化の秘訣。Community of Scientists Optimization (CoSO)は、科学者コミュニティの仕組みに着想を得た、集団ベースの新しい最適化アルゴリズムです。従来の自然界を模倣したメタファーとは異なり、CoSOでは、人間による科学活動の特徴的な側面、すなわち、学術誌への研究成果の発表、研究助成金をめぐる競争、研究チームの形成などをモデル化します。
最適化手法についての探究を続ける中で、この記事では、最適化問題を解決するためのもう1つのアプローチとして、CoSO (Community of Scientists Optimization)アルゴリズムを取り上げます。これは、科学者コミュニティの仕組みをシミュレーションすることを基礎としたアルゴリズムです。従来の生物を模倣したアルゴリズムとは異なり、CoSOは科学活動に特有の特徴を再現します。具体的には、研究成果を論文として発表すること、研究助成金をめぐって競争すること、研究グループを形成すること、そして既知の領域を深く研究することと、根本的に新しい解決策を探索することのバランスを取ることです。CoSOアルゴリズムは、A. MilaniとV. Santucciという2人の科学者によって2012年に開発・発表されました。
新しい記事「科学者コミュニティ最適化 (CoSO)：理論編」はパブリッシュされました:
最適化手法についての探究を続ける中で、この記事では、最適化問題を解決するためのもう1つのアプローチとして、CoSO (Community of Scientists Optimization)アルゴリズムを取り上げます。これは、科学者コミュニティの仕組みをシミュレーションすることを基礎としたアルゴリズムです。従来の生物を模倣したアルゴリズムとは異なり、CoSOは科学活動に特有の特徴を再現します。具体的には、研究成果を論文として発表すること、研究助成金をめぐって競争すること、研究グループを形成すること、そして既知の領域を深く研究することと、根本的に新しい解決策を探索することのバランスを取ることです。CoSOアルゴリズムは、A. MilaniとV. Santucciという2人の科学者によって2012年に開発・発表されました。
このアプローチの興味深い特徴は、探索プロセスが自然に自己組織化されることです。実際の科学者コミュニティと同じように、このアルゴリズムは有望な領域にリソースを集中させ、学術誌の仕組みを通じて最良の解を保存・伝播し、さらに「アウトサイダー」に資金を提供することで、必要な多様性を維持します。集団サイズを動的に変化させることで、アルゴリズムは特定の問題の特性に適応できます。そのため、パラメータを細かく調整する必要がありません。これは、通常は一定の集団サイズを使用することを考えると、もう1つの革新的な特徴です。本記事では、アルゴリズムの数学的基礎、その主要な構成要素、そしてそれらがどのように相互作用するのかについて、詳しく見ていきます。
作者: Andrey Dik