Transcript 樽美澄香

第4回
彩度, 明度補正のための
遺伝的操作(GA operator)の設計
情報工学科 05A2301
樽美 澄香
（Tarumi Sumika)
2008年10月20日
本日の発表内容

前回までの内容

遺伝的操作（GA operator）とは

遺伝子コーディング
1.
選択－Selection－
2.
交叉－Crossover－
3.
突然変異－Mutation－

デモンストレーション

今後の予定 と 進捗状況
0001
0110
1101
前回までの内容

色補正手順の提案
1.
一般的な色弱者向け基本補正（全般）
2.
進化的計算を用いた「明度・彩度」補正（個人）
3.
•
GA ･･･ ランダムサーチの性質をもった解探索（最適化）手法
•
IGA ･･･ 人間が対話しながら評価するGA
自動補正を行うための配色最適化のルール生成
今発表では、2.「進化計算」であるIGA内部処理を設計
遺伝的操作（GA operator）とは
遺伝的操作
GA operator

GAでの解探索を行う処理

選択
適合度を基に親となる個体を
選択する


交叉
GA
母集団の生成
ユーザー
評価
適応度の評価
終了条件
No
2つの親個体の染色体を組み
換えて, 新しい個体を生成する
選択
突然変異
交叉
新しい染色体の遺伝子をある
一定確率で他のものに変える
ランダム
数値生成
突然変異
Yes
END
遺伝子コーディング
?
 遺伝子の表現法
1.
バイナリコーティング： 0, 1, X
2.
実数値GA（BLX-α）： 1, 2.5, ･･･ , 1000 etc.
IGAでは実数値GAの探索効率が高い [参考文献3]


3色配色補正の遺伝子コーディング
3rd
2nd
44
23
78
36
5
17
×9個体
S
L
44% 23%
1st color
S
L
78% 36%
2nd color
S
L
5% 17%
3rd color
彩度S: 0~100%
明度L: 0~100%
( 1st )
選択－Selection－(1)

一般的な選択手法

ルーレット選択

毎世代、針を回す

１回だけ、針を回す

トーナメント選択

ランク戦略

エリート保存戦略
 ルーレット選択
 適応度に比例した割合で各個体
を選択する手法。
 確率的なので、非常に良い個体
が消える可能性あり。
 エリート保存戦略
 最も適応度の高い個体を無条件
でそのまま次世代に残す手法。
 個体群の中の適応度の最大値
は単調増加する 。
※ 本研究では、実数値GA＋処理が単純で効率的なSimpleGAの操作を用いる。
選択－Selection－(2)

配色補正9個体
0
1
2
3
4
5
6
7
8
評価
1. エリート戦略
 適応度(ユーザー評価)が高
い3個体は次世代へ

｢交叉｣｢突然変異｣しない
2. ルーレット選択
 毎世代、ルーレットの針を
回して６本の個体を選択

適応度が高いものほど、
面積が広く選ばれやすい
⇒「交叉」に続く
交叉－Crossover－

一点交叉
交叉位置をランダムに1ヶ所選ぶ
2. その位置から相互に入れ替え、６個体の子を生成
1.
３
ペ
ア
で
交
叉
す
る
６
個
体
を
親
と
し
て
、
ル
ー
レ
ッ
ト
選
択
で
選
ば
れ
た
A0
A1
B2
B3
B4
B5
B0
B1
A2
A3
A4
A5
?
random
突然変異－Mutation－

｢交叉｣（初期母集団に依存）だけでは生成できない子を生成し
個体群の多様性を維持する働きをする。
※ バイナリコーディングでは、ランダムに0,1を反転させる操作

非一様突然変異（実数値）

ある座標値だけをランダムな値に変更する。

変化させる値の幅を次第に狭くし、安定した結果を得る。
1.
【1世代目】0~100 で突然変異（彩度･明度の最小値～最大値）
2.
【2世代目以降】[ 元の値 ] ± X の範囲で突然変異

Xは世代ごとに減少していく。
⇒ 世代を重ねるごとに、突然変異後の数値幅が狭くなり、
元の値から極端に遠のくことはない。
デモンストレーション

開発はできましたが、
パラメータの調整（検討）はで
きていません...
適応度
（ユーザー評価）

突然変異確率と交叉確率は、
世代を重ねるごとに減少する

△ 実行中の画面

今回はともに0.7

１世代ごとに確率*0.5
世代を重ねるごとに安定する
# 今後の予定 #
 研究状況（完了）
 GAでの遺伝的操作

調査→設計→開発（パラメータ以外）
 RGBtoHSL, HSLtoRGBの色空間相互変換
配色最適化
Webページの
見づらい箇所を選択 第
選択箇所の配色取得
２
回
✔ RGB to HSL
 次のステップ
 配色提案・補正処理の実装

補正値が小さい配色案の決定法を検討

GAパラメータの調整（調査＆実験）

配色補正処理
今
回
✔ HSL to RGB
指定箇所の配色変更
GA処理からの補正値の適用→配色提案
END
第
２
回
# 進捗状況 #
7月
11月
＜GA調査＞
＜外部設計＞
＜開発＞
＜テスト＞
今現在
参考文献
 森直樹『Javaで学ぶ遺伝的アルゴリズム』, 共立出版, 2007
 千田 智治, 廣安 知之, 三木 光範,
“遺伝的アルゴリズムにおけるオペレータ ”,
<http://mikilab.doshisha.ac.jp/dia/research/report/2007/1014/002/repo
rt20071014002.html>, 2007
 吉田昌太,“対話型遺伝的アルゴリズムにおける新しい配色支援問題
の提案と交叉法についての検討”,
<http://mikilab.doshisha.ac.jp/dia/monthly/monthly02/20020422/intel
ligent/02_yoshida.pdf>, 2002
＊ご清聴ありがとうございました＊
樽美 澄香