遺伝伝播階層グリッド（いでん でんぱ かいとう ぐりっど）

遺伝伝播階層グリッドとは

遺伝伝播階層グリッド（Genetic Propagation Hierarchical Grid: GPHG）は、遺伝的アルゴリズム（GA）の性能向上を目的として提案された手法である。GAは、生物の進化の過程を模倣した最適化アルゴリズムであり、多様な解を生成し、選択・交叉・突然変異を繰り返すことで、より良い解を探索する。しかし、GAは、探索空間が広大である場合、最適解に到達するまでに時間がかかるという課題がある。

GPHGは、この課題を解決するために、探索空間を階層的に分割し、各階層にグリッド構造を導入する。これにより、解の伝播を効率的に行い、最適解への収束を加速させることが可能となる。

GPHGの構造

GPHGは、通常、複数の階層から構成される。各階層は、グリッド状に分割されており、各セルには、そのセルに対応する解の情報が格納される。上位階層のセルは、下位階層の複数のセルを包含しており、解の抽象度が高い。下位階層のセルは、解の抽象度が低い。

GPHGの動作原理

GAの各世代において、GPHGは、以下の手順で動作する。

1. 解の評価: 各解を評価し、適応度を計算する。
2. グリッドへのマッピング: 各解を、対応するグリッドセルにマッピングする。
3. 解の伝播: 上位階層のセルから下位階層のセルへ、解の情報を伝播する。この際、適応度の高い解ほど、より多くのセルへ伝播される。
4. 交叉・突然変異: 下位階層のセルにおいて、交叉・突然変異を行い、新たな解を生成する。
5. 選択: 生成された解の中から、適応度の高い解を選択する。

GPHGの利点

GPHGは、従来のGAと比較して、以下の利点がある。

• 探索効率の向上: 探索空間を効率的に分割することで、最適解への探索効率が向上する。
• 解の多様性の維持: 階層構造により、解の多様性を維持し、局所解への陥りを防ぐことができる。
• 大規模問題への適用: 大規模な問題に対しても、効率的に最適解を探索することができる。