- 著者
- 池水 孝幸 小野 智司 森重 綾太 中山 茂 飯村 伊智郎
- 出版者
- Japan Society for Fuzzy Theory and Intelligent Informatics
- 雑誌
- 知能と情報 (ISSN:13477986)
- 巻号頁・発行日
- vol.22, no.6, pp.804-817, 2010
アントコロニー最適化法(ACO)は,蟻の群による採餌行動を模擬したメタヒューリスティクスであり,巡回セールスマン問題,スケジューリング問題など多くの組合せ最適化問題でその有効性が確認されている.近年,0-1整数計画問題(0-1IP)にACOを適用するBinary Ant Colony Optimization(BACO)と呼ばれる方式が提案されている.BACOではACOと同様,探索領域の集中化,多様化を調整する方式を採り入れることで探索性能の改善が期待できるものの,これまでの研究では,集中化,多様化を積極的に調整するBACOが提案されていない.本研究では,女王蟻戦略AS<SUB>queen</SUB>をBACOに組み入れたBAS<SUB>queen</SUB>を提案する.BAS<SUB>queen</SUB>は,グループ化された働き蟻の集団により多様な探索を行い,女王蟻が働き蟻に指令を送ることで探索領域の多様化,集中化を調整するため品質の高い解の発見が期待できる.0-1ナップザック問題を対象として実験を行い,提案するBAS<SUB>queen</SUB>が,他のBACOアルゴリズム,焼き鈍し法,粒子群最適化法などよりも高い探索性能を示すことを確認した.
- 著者
- 今別府 考洋 小野 智司 森重 綾太 黒瀬 元義 中山 茂
- 出版者
- 一般社団法人 人工知能学会
- 雑誌
- 人工知能学会論文誌 (ISSN:13460714)
- 巻号頁・発行日
- vol.24, no.2, pp.250-262, 2009 (Released:2009-01-27)
- 参考文献数
- 45
- 被引用文献数
- 1 1
Quantum-inspired Evolutionary Algorithm (QEA) has been proposed as one of stochastic algorithms of evolutionary computation instead of a quantum algorithm. The authors have proposed Quantum-inspired Evolutionary Algorithm based on Pair Swap (QEAPS), which uses pair swap operator and does not group individuals in order to simplify QEA and reduce parameters in QEA. QEA and QEAPS imitationally use quantum bits as genes and superposition states in quantum computation. QEAPS has shown better search performance than QEA on knapsack problem, while eliminating parameters about immigration intervals and number of groups. However, QEAPS still has a parameter in common with QEA, a rotation angle unit, which is uncommon among other evolutionary computation algorithms. The rotation angle unit deeply affects exploitation and exploration control in QEA, but it has been unclear how the parameter influences QEAPS to behave. This paper aims to show that QEAPS involves few parameters and even those parameters can be adjusted easily. Experimental results, in knapsack problem and number partitioning problem which have different characteristics, have shown that QEAPS is competitive with other metaheuristics in search performance, and that QEAPS is robust against the parameter configuration and problem characteristics.