分散化したパラメータ不要の遺伝的アルゴリズム

抄録

　近年，大規模最適化問題の有効な近似解法として遺伝的アルゴリズム(GA)が研究されている。しかしGAには、計算負荷が高い、母集団内の個体の早期収束による局所解への収束、局所探索が不得手である、パラメータの設定が複雑であり多大な試行錯誤を必要とするといった問題が存在する。これらの問題への対処方法としてパラメータ不要の遺伝的アルゴリズム(PfGA)、分散型遺伝的アルゴリズム(DGA)などが提案されている。本研究ではPfGAのパラメータ設定が不要であるという特徴を生かしつつ最適化性能を更に改善するために、進化の過程で子個体の生成数を生成された個体の適応度の順番に応じて適応的に変化させることによって探索能力を向上させる手法を提案するとともに、PfGAの分散化を行い、代表的な最適化問題の一つである巡回セールスマン問題(TSP)を対象とした数値実験結果を通して、提案手法の有効性を示した。