抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最適化問題を現実的な計算時間で厳密解を求めることは極めて困難であるが,実用上は問題がない近似解を求めるためにヒューリスティックスアルゴリズムや近似アルゴリズムが用いられる。Ant Colony Optimization(ACO)はそのひとつであり,巡回セールスマン問題(TSP),グラフ彩色問題(GCP)などの組合せ最適化問題に対して他のヒューリスティックスアルゴリズムよりも良い結果を示すことが知られている。ACOを用いたアルゴリズムはAnt System(AS)とよばれる手法から派生した手法が多いが,ASには,初期学習の問題および試行錯誤性の問題があり,これらの問題を改善することはACOの研究において非常に重要であると考えられる。そこで,本稿では,これらの問題に対し,改良を加えた改良型ASI(IASI)の提案を行った。IASIでは,初期学習の問題に関してCI法をフェロモンの初期値に利用した。これにより,初期の段階から精度の良い学習を行えていることが確認できた。また試行錯誤性に関しては,2-opt法およびCL法を導入した。その結果,早い段階から最適解に近い巡回路の生成が行えていることが確認できた。すなわち,IASIは従来型のASIよりも性能向上が見られ,従来型のASの問題点であった初期学習の問題,試行錯誤性の問題を解消できたといえる。