遺伝的アルゴリズム

目次 1. 統計処理から考えるAIについて   2. AI的なアルゴリズムの種類について   3. 遺伝的アルゴリズム  
4. デモ  5. まとめ 

      統計処理から考える   AIについて  

AIと統計処理について考える AIについて     ▪ AI(人工知能)の定義とは        
  ▪ 統計学の定義についても           コンピュータなどの機械が人間の知能が必要と考えられてる活動を実現するための能力統計学は、経験的に得られたバラツキのあるデータから、数値上の性質や規則性あるいは不規則性を見いだす学問

AIと統計処理について考える AIと統計処理     ▪ これまでは統計アルゴリズムを使いアソシエーション分析からお勧めの商品の選出などを行ってきました    
          ▪ AIと統計は言葉が違いますがバラツキのあるデータから結果を求めるという基本的な内容は同じです   AIは統計学の中の学習するという意味が強い１部でしかなく言葉は違いますが広義では統計学となります

結局AIといっても   今までと  アルゴリズムが   変わるだけで同じこと  

      AI的なアルゴリズムの種類について  

AIアルゴリズムについて AIアルゴリズムについて     ▪ ここでは学習型の統計アルゴリズムをBIアルゴリズムとしています  ▪ 各学習機能については以下のようなものがあります  
                  ニュートラルネットワーク遺伝的アルゴリズムベイズ法

      遺伝的アルゴリズム   について 

遺伝的アルゴリズム遺伝的アルゴリズム概要     ▪ 生物の進化は世代交代を繰り返すごとに染色体の情報をクロスオーバーし、環境などに適応するよう常に進化します   ▪ この動きをアルゴリズムとして表現したものが遺伝的アルゴ
リズムとなります                     親A A1 A2 A3 A4 A5 親B B1 B2 B3 B4 B5 クロスオーバー！子 A1 B2 A3 B4 A5 突然変異！！ X2 X5 ▪ 突然変異は、自然界が新しいものを試す手法です   　改良が有用であれば以降の世代にも引き継がれていきます  

進化の過程遺伝的アルゴリズムの進化     ▪ 遺伝的アルゴリズムを実装する作業は以下の4段階に分かれます       
            第1世代適正評価選択進化すべての固体に初期特性を与えます固体のメンバーのもっとも成功した固体を評価します次の世代を作成するための特定の固体の選定を行います新しい適応性に優れた世代を生み出します進化を繰り返す

        デモ 

メモ① int main(void){ // ### 第1世代生成 ### m_ga= new MyGA(POPULATION,
GENOME_LENGTH, ELITE_RATE, MUTATION_RATE, CROSSOVER_RATE); evaluation(); cout << endl <<"GENERATION " << 0 << endl; m_ga->display_ave_max_min_fitness(); m_ga->display_all_genomes(); for(unsigned int generation = 1 ; generation < MAX_GENERATION ; generation++){ evaluation(); // ### 適正評価 ### m_ga->elite_preserve(); m_ga->roullett_selection(); // ### 選択 ### m_ga->onepoint_crossover(); // ### 進化 ### m_ga->all_mutation(); // 突然変異 m_ga->elite_placeback(); evaluation(); // ### 適正評価 ### if(generation %DISPLAY_FRAME == 0){ // 表示 cout << endl <<"GENERATION " << generation << endl; m_ga->display_ave_max_min_fitness(); m_ga->display_all_genomes(); } } }

メモ① 遺伝子をセットしたりゲットしたりする   virtual void get_genome(const int n, vector &
g);   virtual void set_genome(const int n, const vector & g);   virtual double get_fitness(const int n);   virtual void set_fitness(const int n, const double r);   virtual double get_average_fitness();   virtual double get_maximum_fitness();   virtual double get_minimum_fitness();     エリート保存、エリート戻し、ルーレット戦略   virtual void elite_preserve();   virtual void elite_placeback();   virtual void roullett_selection();    

メモ② 突然変異、一点交叉   virtual void all_mutation();   virtual void onepoint_crossover();
    ソート（昇順、降順）   virtual void sort_individuals_by_fitness_descending_order();   virtual void sort_individuals_by_fitness_ascending_order();     表示用ツール   virtual void display_genome(const int n);   virtual void display_all_genomes();   virtual void display_ave_max_min_fitness();   virtual void display_elites();      

組み込みと今までの   知見を合わせると   AIはやりがいのある  カテゴリかなと

リコメンドなどは別のアルゴリズムがもちろん適しているでしょうが   • 問題の要素の予測が難しい場合   • 個々のユーザに適用させたい場合  有効なアルゴリズムで
す 

　ありがとうございました！！

遺伝的アルゴリズム

遺伝的アルゴリズム

株式会社Curious Vehicle

More Decks by 株式会社Curious Vehicle

Featured

Transcript