このページは機械翻訳を使用して翻訳されました。最新版の英語を参照するには、ここをクリックします。
遺伝的アルゴリズムとは何ですか?
遺伝的アルゴリズムは、生物学的進化を促進するプロセスである自然選択に基づいて、制約付きおよび制約なしの最適化問題の両方を解決する方法です。遺伝的アルゴリズムは、個体のソリューションの母集団を繰り返し変更します。各ステップで、遺伝的アルゴリズムは現在の母集団から親となる個体を選択し、それを使って次の世代の子供を生み出します。世代が進むにつれて、母集団は最適な解決策に向かって「進化」します。遺伝的アルゴリズムを適用すると、目的関数が不連続、微分不可能、確率的、または高度に非線形である問題など、標準的な最適化アルゴリズムには適さないさまざまな最適化問題を解決できます。遺伝的アルゴリズムは、一部のコンポーネントが整数値に制限されている 混合整数計画法 の問題に対処できます。
このフローチャートは、主要なアルゴリズムの手順の概要を示しています。詳細は、遺伝的アルゴリズムの仕組みを参照してください。
遺伝的アルゴリズムは、各ステップで 3 つの主なタイプのルールを使用して、現在の母集団から次の世代を作成します。
選択ルールは、次の世代の母集団に貢献する 親 と呼ばれる個体を選択します。選択は一般的に確率的であり、個体のスコアに依存する場合があります。
交叉ルールは、2 つの親を組み合わせて次の世代の子を形成します。
突然変異ルール は、個体の親にランダムな変更を適用して子を形成します。
遺伝的アルゴリズムは、次の表にまとめられているように、主に 2 つの点で従来の導関数ベースの最適化アルゴリズムと異なります。
| 古典的アルゴリズム | 遺伝的アルゴリズム |
|---|---|
各反復で 1 つのポイントを生成します。点のシーケンスは最適な解に近づきます。 | 各反復でポイントの母集団を生成します。母集団内の最良の点は、最適な解に近づきます。 |
決定論的な計算によってシーケンス内の次のポイントを選択します。 | 乱数ジェネレータを使用した計算によって次の母集団を選択します。 |
通常、局所解にすぐに収束します。 | 通常、収束するには多くの関数評価が必要です。局所的または大域的最小値に収束する場合と収束しない場合があります。 |
