進化とアルゴリズムが出会うと何ができるでしょうか?

植物や動物の進化については誰もが知っています。

でも、ご存知のとおり

エンジニアもこの自然のプロセスを利用することができる

何かを発明するためですか?

困難で複雑な環境における動物と植物

適応するために進化する必要がある

諺にあるように、適者生存

画像出典: Photo Network

生物学者は進化の仕組みを長い間研究してきました。また、数学者やコンピューター科学者は生物学者と協力し、設計を改善できるコンピューター プログラムを作成することでエンジニアの発明を支援してきました。これらは進化最適化アルゴリズムと呼ばれ、より速い飛行機、より強い橋、さらにはより優れたゲームを設計するために使用できます。

進化とはいったい何でしょうか？

進化とは、植物や動物が長い時間をかけてどのように変化するかを説明するために使われる言葉です。

たとえば、子供は両親に少し似るでしょう。もしかしたら、その子は母親と同じ髪の色で、父親と同じ身長なのかもしれません。この類似性が世代間で伝達されることを遺伝と呼びます。

子供と親の間には、鼻が大きいとか視力が優れているといった微妙な違いがある場合もあります。これらの違いは突然変異と呼ばれます。

画像出典: Photo Network

自然界では、小さな突然変異が植物や動物の生死を分けることがあります。たとえば、2 頭のシマウマが昼食を探しているライオンから逃げている場合、最も速く走ったシマウマが逃げて生き残ります。生き残ったシマウマは、親の走る速さを受け継いだ子孫を産むことができるだろう。速いシマウマの赤ちゃんは生き残り、自分の子供を産む可能性も高いので、時間が経つにつれてシマウマの個体数は速く走れるようになるでしょう。このプロセスは自然選択です。

種は、遺伝、突然変異、自然選択の組み合わせによって、その環境で生き残るために進化します。

捕食者から身を隠すために体色を変えることができる蛾から、皮膚を通して水を飲むことができるトカゲまで、生物は驚くべき方法で進化し、信じられないようなことを行います。

では、自然から得たこれらのアイデアを利用して発明を生み出すことはできるのでしょうか?

進化的最適化アルゴリズム

この問題に関して、数人のコンピュータ科学者が進化的最適化アルゴリズムのアイデアを提案しました。

1950 年から 1960 年にかけて、進化的最適化アルゴリズムは、飛行機の設計、ビデオ ゲームのレベルの構築、さらにはアートの作成など、さまざまなことに使用されました。

さて、橋を設計しようとしていると想像してみましょう。

**まず、目標を設定する必要があります。たとえば、橋にはできるだけ多くの重量を支えてほしいと考えています。 **目標が決まったら、2 つの橋の設計を比較します。どちらの橋が最も重量を支えられるかが優れています。

**次のステップは、いくつかの基本的な橋の設計を作成することです。 **これはコンピューターでランダムに行うこともできますし、時間をかけて自分たちでデザインすることもできます。コンピューター上でシミュレーションを実行することで、各橋の設計がどの程度の重量に耐えられるかを予測できます。この情報を使用して、デザインを品質に応じてランク付けできます。

どのデザインが最も大きな重量に耐えられるかがわかれば、それを「親」として選択できます。自然界で起こることと似ていますね。最も速いシマウマだけが出産することができます。

もちろん、橋に実際に「子」が存在するわけではありませんが、科学者は 2 つの優れた設計を組み合わせて、両方の「親」の特徴を共有する新しい「子」設計を生み出すコンピュータ プログラムを作成できます。

**継承と突然変異を使用して継続的に新しいデザインを生成し、これらの新しいデザインをシミュレートして、どのデザインが最適かを決定し、プロセスを繰り返します。 **これらはすべてコンピューターによって自動的に実行されます。数週間から数か月という長い期間を経て、より優れた橋の設計が見つかります。

進化的最適化アルゴリズムの利点と欠点

進化型最適化アルゴリズムは、何か新しいものを設計する必要があり、どこから始めればよいかわからない場合に非常に役立ちます。

しかし、進化的最適化アルゴリズムにはランダム性があるため、一部のエンジニアは進化的最適化アルゴリズムを信用していません。ランダム性は、設計者が最良の設計を得るために進化的最適化アルゴリズムを複数回実行する必要があることも意味します。進化的最適化アルゴリズムを何度も実行すると、経験豊富なエンジニアが座って自分で何かを設計するのにかかる時間よりも長い時間がかかります。

画像出典: Photo Network

** 場合によっては、進化的最適化アルゴリズムがうまく機能しないことがあります。 **たとえば、考慮すべき目的は通常複数あり、目的を追加すると、進化的最適化アルゴリズムが解決策を見つけるのに時間がかかります。

進化的最適化アルゴリズムが優れた設計を「進化」させるには何時間もかかりますが、エンジニアがシミュレーションが間違っていることに気づくのには数秒しかかかりません。そして、そうなると、科学者とエンジニアはエラーを修正する必要があります。したがって、進化的最適化アルゴリズムは便利なツールではありますが、人間の設計者に取って代わることは決してありません。

参考文献:

[1] ミッチェル M、テイラー CE 1999 進化的計算：概要

[2] Hornby, J., Globus, D., Linden, J. 2006. 進化的アルゴリズムによる自動アンテナ設計.バージニア州レストン：アメリカ航空宇宙学会。

[3] J. Vincentlake、S. Walton、B. Evans、2021年「目的地ではなく旅こそが大切：実践者が信頼できる遺伝的アルゴリズムの構築」

[4] Wang Shuaifa、Zheng Jinhua、Hu Jianjie、他。適応的選好半径で領域を分割するための多目的進化法。ソフトウェアジャーナル、2017年、28(10): 2704-2721）

[5] 邱飛月、呉玉石、邱其滄、王立平。双極性嗜好優位性に基づく高次元客観的進化アルゴリズム。ソフトウェアジャーナル、2013年、24(3):476-489)

[6] Gong Dunwei、Liu Yiping、Sun Xiaoyan 他。目標分解に基づく高次元多目的並列進化最適化手法。中国自動機械、2015、41(8): 1438-1451

終わり

著者: 9番のクォーターバックではない

青島理工大学、ロボット工学およびインテリジェント製造技術

監査専門家: 青島理工大学機械電気工学部 陳明偉

編集者: グル