近年、自律移動ロボットの行動設計のため進化ロボティクスの研究がさかんに行われてきた。進化ロボティクスは進化的計算手法や強化学習などを用いてシミュレーション環境上でロボットの行動設計を行う。進化ロボティクスには多くの利点があり、新しい行動設計手法として期待されている。しかしながら、シミュレーション環境上で設計を行うため、両環境間にモデル化誤差が存在する場合には設計されたロボットが実環境で適切に動作しない可能性がある。この実装問題を解決するためにモデル化誤差を少なくする手法を提案している研究もあるが、実環境を厳密にモデル化することは非常に困難である。そこで本研究では、シミュレーション環境を一切用いずに実際のロボットの行動を基にロボットの行動設計を行うことを考える。しかしながら、この手法では実験に必要な時間と実験者への負担が大きくなるという他の問題が生じる。そこで本研究では、時間と実験者への負担を軽減するためにGAに評価値推論を適用することを考える。また、実機による実験を通して本手法の有効性を確認する。

抄録全体を表示

本論文では,マルチエージェントシステムにおける分業問題最適化を目的とした,免疫系と抗原との共進化現象を応用した免疫的最適化手法を提案する.先行研究[7]において提案された競合型アルゴリズムでは,個々エージェントとエージェント全体における最適性とのバランス調整が困難であり,実問題への応用に当たりそれらを解消する必要があった.本手法は,免疫エージェントの細胞間協同作用による作業コスト最適化と抗原エージェントの逃避行動による平等な作業配分獲得に基づく探索を基本動作とする.抗原エージェントの逃避行動は,効率良く作業を行っている免疫系の最適化行動を妨害することで免疫エージェント全体の作業コストを平等に配分するように実装しており,免疫エージェントによる最適化との相互進化によって分業解を獲得することが可能である.計算機実験では,提案手法の基本性能および探索性能を評価するために典型的な分業問題の一つである分業巡回セールスマン問題へ適用し,考察する.

抄録全体を表示

次世代型宇宙輸送機として期待されているスペースプレーンは,飛行領域が広範囲に亘るため,機体周りの流れ場は大きく変化する.この流れ場を通じて,スペースプレーンの機体形状と飛行経路の間には複雑な相互干渉が発生するため,スペースプレーンの概念設計段階では双方を共に最適化する必要がある.しかし,スペースプレーンについての現存の研究結果や知見が乏しいために,概念設計段階での初期値設定は不可能である.よって,解空間から解を自動的に探索する必要があり,そのための設計ツールが求められている.そこで我々は,大域的探索最適化手法である遺伝的アルゴリズム(GA)を用いた設計ツールを提案する.そして,このツールをスペースプレーンの機体形状と飛行経路の統合的最適化問題に適用した結果を報告する.

抄録全体を表示

テキストマイニングシステムに記述する、キー概念間の関係を表現する構造抽出ルールを、与えられたテキストとそのテキストクラスから学習する方法が提案されている。従来法においては、ひとつの概念クラスには、せいぜいひとつのキー概念が対応することを仮定しており、複数のキー概念が出現するテキストを扱うことができなかった。本論文では、この問題を解決する方法として、ファジィ帰納学習の際に利用するメンバーシップ関数を、キー概念の集合を属性値として扱えるように定義し、このメンバーシップ関数に基づいて、複数キー概念が出現するテキストを扱う方法を提案する。また、提案法を導入したファジィ帰納学習法を、従来のファジィ帰納学習法、C4.5に基づいた方法と比較し、その有効性を検証する。

抄録全体を表示

Feature subset selection is of prime important in pattern classification, machine learning and data mining applications. A real world database may contain many noisy, unnecessary and irrelevant features. If it is used for data minihg directly, the quality of the discovered knowledge may be very poor. To cope with this problem, many methods have been proposed. In this paper, we propose a hybrid algorithm by using class mutual information for feature selection, starting from the Rough Sets CORE. If the CORE is empty we use binary mutual information for the first feature selection. Experiments have been conducted on some artificial and real world domains in terms of tree size, test errors rate and subset sizes. The results show the effectiveness of proposed hybrid algorithm.

抄録全体を表示

通常の時系列分析は間隔尺度や比率尺度で測定された時系列データを扱う。しかし、心理学、社会学、民族学などでは、データ収集過程において人間の判断や認知が関わるファジィ時系列データにしばしば遭遇する。そのような場合、反応の傾向を調べることは最も重要な研究活動の一つである。傾向を明らかにする一つの方法は、変動を視覚化することである。この目的を達成するため、「質的データの時系列分析」(稲垣,1997)のファジィ・カテゴリー・データへの拡張として、「質的データのファジィ時系列分析」を提案する。この方法のアイデアは、カテゴリー・スコアと時間の関数の相関係数が最大になるように、カテゴリーにスコアをつけることである。この方法では、傾向を表現するために3つのモデル、すなわち、非可逆モデル、可逆モデル、循環モデルが用意されている。この方法は、ファジィ時系列データのみならず、数値変数群とファジィ・カテゴリー変数群の関連性を探索するために、ファジィ・カテゴリー・データを分析する道具として、広い範囲で利用することができる。この論文では、数学的定式化と代数的解法を示し、技術的な問題点や他の方法との関連性も議論した。

抄録全体を表示