Transcript PPT - 知的システムデザイン研究室

プール型移住メカニズムを用いた
分散遺伝的アルゴリズムの非同期モデルの検討
同志社大学大学院工学研究科知識工学専攻
知的システムデザイン研究室
学籍番号 36990723
根上 昌巳
Intelligent Systems Design Laboratory
本発表の流れ
分散GAの概説
分散GAの利点と問題点
プール型移住メカニズムを用いた分散GAの利点
数値実験
結論
プール型移住メカニズムを用いた
分散GAの有効性の検証．
Intelligent Systems Design Laboratory
分散遺伝的アルゴリズム(分散GA)
母集団を幾つかのサブ母集団に分割．
サブ母集団ごとに各々GAが行われる．
並列処理により計算時間の短縮．
サブ母集団
個体
母集団
Intelligent Systems Design Laboratory
移住操作
移住間隔
移住率
一定期間ごとに幾つかの割合の個体を交換．
早熟収束の回避と多様性の維持を行う．
通信は移住のみであり通信負荷が少ない．
Intelligent Systems Design Laboratory
終了判定
終了判定の条件は設定困難なパラメータ．
母集団全体が多様性を失えば探索を終了．
分散GAでは移住以外の通信が必要．
終了判定の時期が問題となる．
母
集
団
全
体
Intelligent Systems Design Laboratory
GAにおける多様性
多様性の検出法
平均遺伝子を用い，探索の方向を把握．
エリートとの比較により，多様性の喪失を判断．
染色体
0 1 0 0 1 1 0
1 1 0 1 1 0 0
遺伝子
0 0 1 1 0 1 1
平均遺伝子
0 1 0 1 1 1 0
1 ×2
>
0 ×1
1
Intelligent Systems Design Laboratory
分散GAの利点と問題点
分散GA
→母集団を分割
並列処理による処理速度の向上．
早熟収束の回避と多様性の維持．
パラメータの増加（移住率・移住間隔）．
母集団全体の個体情報を得ることが困難．
終了判定が困難．
プール型移住メカニズムを用いた分散GA
Intelligent Systems Design Laboratory
プール型移住メカニズムを用いた分散GA
(Pooled DGA)
並列計算機上のノードにプール部を分配．
サブ母集団ごとにプール部と移住操作を行う．
プール部に移住個体をプールする．
個母
体集
情団
報全
の体
一の
部
プール部
Intelligent Systems Design Laboratory
Pooled DGAの利点
分散GAの問題点
パラメータの増加（移住率・移住間隔）．
母集団全体の個体情報を得ることが困難．
Pooled DGA
移住パラメータの設定が容易．
母集団全体の個体情報の取得が容易．
サブ母集団ごとにプール部と移住操作を行う．
プール部に移住個体をプールする．
移住パラメータをサブ母集団ごとに容易に設定．
→母集団全体の個体情報の一部を保有．
有効な分散GAのモデル
移住パラメータの非同期化．
Intelligent Systems Design Laboratory
数値実験
対象問題
関数名
10
Rastrigin
依存
定義


f ( xi |i 1,10 )  100   xi2  10cos2xi 
i 1
なし
設計変数間に依存関係がなく
格子状に複数の準最適解を持つ
x = (0,…,0)の時，最小値0をとる
Intelligent Systems Design Laboratory
数値実験
各種パラメータ設定
DGA
Decoding
gray code
Chromosome length
１0bit × 5
Selection
Crossover
Mutation rate
Total Population size
Number of Sub Populations
Sub Population size
Pooled DGA
Roulette Selection + Elitist preservation Selection
One point Crossover (Crossover rate=0.6)
1/L (L is the chromosome length)
280
7
6
40
Pool size
Migration method
40
random ring
Intelligent Systems Design Laboratory
Pooled DGAの移住操作
移住率・移住間隔の設定が必要．
移住率のランダム化は有効．
移住パラメータをランダム化することが容易．
Pooled DGAでの移住操作
移住率 = Random(0.1～0.5)
移住間隔 = Random(1～10世代)
→Random model
Intelligent Systems Design Laboratory
Pooled DGAの移住操作
多様性が失われた時点で移住する．
移住パラメータをサブ母集団ごとに設定する
ことが容易なモデル．
Pooled DGAでの移住操作
移住率 = Random(0.1～0.5)
移住間隔 =サブ母集団ごとの平均遺伝子と
エリート個体とのハミング距離が0．
→Diversity model
Intelligent Systems Design Laboratory
Pooled DGAの移住操作
Comparison of Random model and Diversity model
298356
30000
25000
20000
15000
10000
5000
0
60000
Total number of function call
Execution Time (msec)
35000
50000
40000
30000
20000
10000
0
Optimum 0
Evaluation value
122112
-0.005
Pooled DGA: Random model
Pooled DGA: Diversity model
Pooled DGA: Migration rate = 0.2
DGA:
Migration rate = 0.2
-0.01
Intelligent Systems Design Laboratory
Pooled DGAの移住操作
History of the evaluation value of Diversity model
Evaluation value
0
-10
-20
-30
0
10
20
30
40
50
Generation
60
Migration
Sub population A
Sub population B
Sub population C
70
80
90
Intelligent Systems Design Laboratory
Pooled DGAの移住操作
History of the evaluation value of Diversity model
Evaluation value
0
-0.05
Migration
Sub population A
Sub population B
Sub population C
-0.1
100
110
120
130
140
150
Generation
160
170
180
Intelligent Systems Design Laboratory
Pooled DGAでの実装上の非同期移住
プール部への同時アクセスはプール部の
不整合を引き起こす．
移住はサブ母集団の多様性の維持．
プール部
Intelligent Systems Design Laboratory
非同期モデルの検討
Comparison of Asynchronous access model
25000
20000
15000
10000
5000
0
50000
40000
30000
Optimum 0
Evaluation value
30000
60000
Total number of function call
Execution Time (msec)
35000
-0.005
20000
10000
0
Random model
Asynchronous Random model
-0.01
Intelligent Systems Design Laboratory
Pooled DGAの利点
分散GAの問題点
パラメータの増加（移住率・移住間隔）．
母集団全体の個体情報を得ることが困難．
Pooled DGA
移住パラメータの設定が容易．
母集団全体の個体情報の取得が容易．
多様性を考慮した終了判定を容易に実装
Intelligent Systems Design Laboratory
Pooled DGAでの多様性を考慮した終了判定
分散GAでの終了判定
終了判定の時期
毎世代終了判定を行う．
終了判定の条件
サブ母集団ごとの平均遺伝子間のハミング距離が0．
Pooled DGAでの終了判定
終了判定の時期
サブ母集団ごとの平均遺伝子と
エリート個体とのハミング距離が0．
終了判定の条件
サブ母集団ごとの平均遺伝子と
プール部の平均遺伝子間のハミング距離が0．
Intelligent Systems Design Laboratory
Pooled DGAでの多様性を考慮した終了判定
Execution time of migration rate = 0.2
Execution Time (msec)
140000
DGA
Pooled DGA
120000
100000
80000
60000
40000
20000
0
1
2
3
4
5
6
7
8
9
10
Migration Interval
Intelligent Systems Design Laboratory
Pooled DGAでの多様性を考慮した終了判定
Total number of function call of migration rate = 0.2
Total number of function call
350000
DGA
Pooled DGA
300000
250000
200000
150000
100000
50000
0
1
2
3
4
5
6
7
8
9
10
Migration Interval
Intelligent Systems Design Laboratory
Pooled DGAでの多様性を考慮した終了判定
Fitness value of migration rate = 0.2
Evaluation value
Optimum 0
-0.005
DGA
Pooled DGA
-0.01
1
2
3
4
5
6
7
8
9
10
Migration Interval
Intelligent Systems Design Laboratory
結論
分散GAの問題点
パラメータの増加（移住率・移住間隔）．
母集団全体の個体情報を得ることが困難．
Pooled DGA
移住パラメータの設定が容易．
母集団全体の個体情報の取得が容易．
有効な分散GAのモデル
Intelligent Systems Design Laboratory
発表論文リスト
１．廣安知之，三木光範，根上昌巳：
並列分散遺伝的アルゴリズムの移住率のランダム化，理工学研究報告，40巻２号，pp25-34 ，1999
２．廣安知之，三木光範，○根上昌巳：
非同期移住型分散遺伝的アルゴリズム，ISCIE, (1999) , pp.379-380
３． ○廣安知之，三木光範，根上昌巳：
Distributed Genetic Algorithms with Randomized Migration Rate ，
IEEE Proceedings of Systems, Man and Cybernetics Conference SMC'99, Vol. 1, (1999) , pp.689-694
４．廣安知之，三木光範，○根上昌巳：
貯蓄型分散遺伝的アルゴリズムにおける移住と移住間隔，
情報処理学会情報処理学会研究報告99-MPS-28, (2000) , pp.29-32
Intelligent Systems Design Laboratory
Intelligent Systems Design Laboratory