駆け足で読む『Bio-Inspired Artificial Intelligence』の中身 1. Evolutionary Systems 進化学の系
- 作者: Dario Floreano,Claudio Mattiussi,Ronald C. Arkin
- 出版社/メーカー: The MIT Press
- 発売日: 2008/08/22
- メディア: ハードカバー
- 購入: 1人 クリック: 4回
- この商品を含むブログを見る
- 目次はこちら
- 情報を改変しつつ、(最)適化する仕組み
- 1. Evolutionary Systems 進化学の系
- 1.1 Pillars of Evolutionary Theory 進化理論の骨子
- Population 集団
- Diversity 多様性
- Heredity 継承性・伝達性があること
- Selection 選択
- Progress 進むこと
- Neutral evolution 中立的進化
- 1.2 The Genotype
- 1.2.0
- 1.2.1 Gene Expression 遺伝子発現
- Genes 遺伝子
- Amino acids
- Codon
- Transcription 転写
- Coding region コード領域
- Regulatory region 調節領域
- Gene regulation network 遺伝子発現はネットワークをなし制御関係にある
- Functional genomics 全遺伝子で見る遺伝子の機能発揮
- 1.2.2 Genetic Mutations 遺伝子変異
- Mutations 変異
- Substitution 置換
- Inversion 逆位
- Recombination 組換え
- Insertion and deletion 挿入と欠失
- 1.2.3 Nongenic DNA DNAの非遺伝子領域
- C-value DNA総長
- Gene duplication 遺伝子の重複
- Selectionist hypothesis 選択説に立ったときの仮説
- Neutralist hypothesis 中立説に立ったときの仮説
- Selfish DNA hypothesis DNAの利己性説に立ったときの仮説
- Nucleotypic hypothesis DNAの分子構造のためという仮説
- 1.3 Artificial Evolution 進化を人工的に扱う
- 1.4 Genetic Representations 遺伝子の表現
- 1.4.0
- Genetic encoding 遺伝子情報のコード化
- 1.4.1 Discrete Representations 離散的表現
- Binary representation ２値表現
- Traveling salesman problem セールスマン問題
- 1.4.2 Real-Valued Representations 実数値・連続値表現
- 1.4.3 Tree-Based Representations 木型表現
- Functions 関数
- Terminals 最終ノード
- Closure 閉じていること(処理できない要素やノードがないこと)
- Sufficiency 設定した問題がきちんと解けることの十分性
- 1.4.0
- 1.5 Initial Population 集団の初期値
- Population size 集団サイズ
- 1.6 Fitness Functions 適応を表す関数
- Multiple objects 適応について考慮される対象は複数
- Fitness evaluation 適応の評価
- Subjective fitness 主観的に適応具合を判断する
- 1.7 Selection and Reproduction 選択と繁殖
- Selection pressure 選択圧
- Proportionate selection 適応度に比例した数の子孫を残すような選択
- Roulette wheel ルーレットの回転盤のような想定
- Rank-based selection 適応度の高い方から選ばれる
- Truncated rank-based selection 上位の個体が子孫を残すリストを構成し、そのリスト上にある個体は均等に子孫を残す
- Tournament selection 少数個体でトーナメント形式の競争をして子孫を残すチャンスを割り振る
- Generational replacement 世代交代して集団を世代ごとに全とっかえ
- Eletism エリートが一部を置き換える
- 1.8 Genetic Operators
- 1.8.1 Crossover 交叉
- Recombination 組換え
- One-point/Multi-point 交叉箇所を１か所にするか複数個所にするか
- Uniform 組換え体の作り方、あっちこっちで勝手にシャッフル
- Arithmetic 「値を加算して配偶子」を作る
- 1.8.2 Mutation 変異
- 1.8.1 Crossover 交叉
- 1.9 Evolutionary Measures 進化の測度(定量する)
- Fitness landscape 適応のよさを空間に展開して見える様子、その見せ方
- Fitness graph 集団を構成する個体の適応の程度の分布の変遷をグラフ化したもの
- Population diversity 集団の多様性
- Neutral paths 中立説ではいろいろな変化状態が許されて、その許された状態を辿って変化していく
- All-possible-pairs diversity 全個体のペアワイズな違いを測って分布をとることで多様性が測定できる
- Entropic diversity カテゴリタイプでの多様性の測度としてのエントロピー
- 1.10 Types of Evolutionary Algorithms 進化のアルゴリズムのタイプ
- Genetic algorithm 遺伝的アルドリズム
- Genetic programming 遺伝的プログラミング(遺伝子の変化を追いかける)
- Evolutionary programming 進化的プログラミング(表現型の変化を追いかける)
- Evolutionary strategies 進化的戦略(表現型ベースだが、表現型を決まるパラメタを用いる)
- Island models 島モデル
- Steady-state evolution 定常状態を守って進化
- Simulated annealing アニーリング(焼きなまし法)(焼きなましとは)を使って状態をゆすって変化を起こさせる
- Population-based incremental learning(PBL) 集団を構成する個人の値を積み上げて、集団としての実数値を出し、その変化を辿る
- Adaptive PBL PBL改変版(適応状態を導入し、ローカルミニマムへの落ち込みを回避)
- DNA computing DNA配列変化を追いかける
- 1.11 Schema Theory スキーマ理論(遺伝的アルゴリズムのスキーマはこちら)は遺伝的アルゴリズムが解空間を探索する方法やそれが解をもたらす原理に関する理論(Holland's schema theory)
- Schemas 解空間にある多数の解の部分集合
- Building blocks スキーマの構成要素として想定するもの
- 1.12 Human-Competitive Evolution
- よりよい解法の開発を競争・競技形式にして、「解法の進化」を促すもの
- 1.12.1 Example: Evolution of an Antenna 実例紹介
- 1.13 Evolutionary Electronics 遺伝的アルゴリズムを用いた電子機器設計
- Circuit topology 回路のトポロジー
- circuit sizing 回路のサイズ決め
- 1.14 Lessons from Evolutionary Electronics 遺伝的アルゴリズムを用いた電子機器設計から学んだこと
- 1.15 The Role of Abstraction 抽象化することの役割
- Hierarchical structure 構造を階層化する
- Cost of abstraction 抽象化戦略に伴うコスト
- Unconstrained evolution 制約なしの進化
- 1.16 Analog and Digital Circuits
- Analog アナログ
- Digital デジタル
- 1.17 Extrinsic and Intrinsic Evolution
- Extrinsic evolution 回路を仮想構築して試す
- Internal evolution 回路を設計しては(自動的に)組み立てて試す
- Evolvable hardware 回路が自分で進化していく
- 1.18 Digital Design デジタル設計
- Combinational and sequential circuits 複数の入力があって出力が決まる回路(並列連結)と、複数の入力機会にさかのぼる回路(直列連結)
- Programmable logic arrays(PLAs) Intrinsic circuitsを実現するパーツのセット
- Field-programmable gate array(FPGA) Intrinsic circuitsを実現するパーツのセット
- 1.19 Evolutionary Digital Design 進化的デジタル設計
- 1.19.1-3 例
- 1.20 Analog Design アナログ設計
- 1.21 Evolutionary Analog Design 進化的アナログ設計
- Shematic-based genetic encoding
- Genetic programming
- Analog genetic encoding
- Implicit genetic encoding
- 1.21.1 Example 例
- 1.22 Multiple Objectives and Constraints 複数の達成目標を総合的に達成する、制約も複数
- Objective 目的
- Constrains 制約・条件
- Priority-ranked objectives 複数の目的には優先順位がある
- Objectives with targets 目的には目指す「値」がある
- Trade-offs between objectives 複数の目的の間には、関係があって、どっちがどうならこっちは、こう(トレードオフ関係)
- Pareto dominance パレート効率化による目的達成
- Satisficing Satisfy+Suffice 最適化はすべての解を眺め渡した時に達成できるが、現実には、見える範囲を見渡して、決断している。その決断様式の一つ
- 1.23 Design Verification デザインの検証
- Operational envelope パラメタの値の範囲を複数のパラメタについて組み合わせてできる制限領域
- 1.24 Closing Remarks
- Species adaptation genetic algorithm(SAGA)
- Viability evolution
- 1.25 Suggested Readings
- 1.1 Pillars of Evolutionary Theory 進化理論の骨子
