抄録
本論文は、知的システムの進化に関して、並列処理向きの新たな進化学習モデル(並列進化学習モデル)を提案したものである。本モデルでは、知識の記述及び推論に連想記憶ネットワークを用い、連想記憶上での新たな知識候補の想起にカオス的想起の手法を用いた。また、生体における自然な並列性に習い、ニューラルネットワークを軸として, 細胞、脳、個体へと至る機能レベルの並列化や、個体群における役割分担において役割毎に進化させて効率化する役割分担レベルの並列化, さらに、両者の組み合わせに基づく多種の解を持つ進化モデルへの発展、の3つの並列化を試みている。提案の手法を知的ロボット群及び知的車両群に適用し, シミュレーションを実施した結果、並列化による処理の高速化が示され, また知的車両群では、車間距離制御における誤差の減少、及び、障害物回避時における車線変更行動の効率化・多様化が示され、本モデルの有効性を確認できた。
