抄録
Differential Evolution (DE)は実数値最適化問題を対象とした探索手法であり，多点探索法であること，直接探索法であることから遺伝的アルゴリズム(GA)と同様に進化計算に分類できる．DEは制御パラメータの数が少なく設定が容易であり，最適解への収束が速く頑強であることから，数多くの現実的な最適化問題に適用されている．特に，最適解探索における関数を人間の感性に見立てることで，ユーザの好みに合う解を探索する対話型進化計算においては，様々な対話型DE(IDE)が提案されている．本論文では進化レベルを使用したIDEの高速化手法の提案を行う．進化レベルは各個体に付与する情報であり，個体の世代交代数を示す情報である．本手法では，親個体の選択において進化レベルの値を用いたルーレット選択を採用し，高レベル個体の進化を促進させ，集団全体の収束を速める．被験者による評価実験を行い従来のIDEと比較することで，提案手法の有効性を検証する．
