抄録
Stanleyらは，リカレントニューラルネット(RNN)の構造と重みの同時最適化のための進化計算手法NEATを提案している．NEATでは，RNNの進化的最適化においては類似した構造を有する親個体に対してのみ交叉オペレータを適用すべきであるとの立場から，(i) 類似構造をもつニューラルネット対の効果的な特定に適したコード化および(ii)類似構造をもつニューラルネットに適した交叉オペレータなどを採用しており，良好な実験結果を得ている．このアイデアは，構造パラメータを有する他の設計対象にも応用可能と考えられるが，NEATが採用している世代交代モデルには問題点があり，それを他の設計対象に応用することは適切ではない．本研究の目的は，この問題点を廃した新しい世代交代モデルを提案すると共に，それにより，NEATの性能を改善できることを実験的に確認することにある．
