記事「母集団最適化アルゴリズム:Mind Evolutionary Computation (MEC)アルゴリズム」についてのディスカッション

 

新しい記事「母集団最適化アルゴリズム:Mind Evolutionary Computation (MEC)アルゴリズム」はパブリッシュされました:

この記事では、Simple Mind Evolutionary Computation(Simple MEC, SMEC)アルゴリズムと呼ばれる、MECファミリーのアルゴリズムを考察します。このアルゴリズムは、そのアイデアの美しさと実装の容易さで際立っています。

複雑な高次元問題を解く際に、進化的計算で使われる集団アルゴリズムには、古典的なアルゴリズムに比べて多くの利点があります。最適解に十分に近い準最適解をより効率的に見つけることができるため、実用的な最適化問題ではしばしば許容されます。

進化的計算における興味深いアプローチのひとつに、1998年にChengaiとその共著者たちによって提案されたMind Evolutionary Computation (MEC)アルゴリズムがあります。人間の脳のモデリングが期待されるのとは異なり、MECアルゴリズムは社会における人間の行動のいくつかの側面をモデル化しています。このアルゴリズムでは、各個人は、人々の集団の中で機能する知的エージェントとみなされます。意思決定をするとき、個人は自分の集団のメンバーからも、他の集団のメンバーからも影響を受けます。社会で高い地位を得るためには、その集団の中で最も成功した人物から学ばなければなりません。同時に、自分の集団が他の集団よりも成功するためには、すべての個人が集団間競争において同じ原則に導かれなければなりません。MECアルゴリズムの重要な側面は、集団内および集団間の個人間の情報交換です。これは、知的な個人の社会が成功裏に発展するためには、継続的で自由な情報交換が必要であることを反映しています。


MECアルゴリズムは、局所的探索と大域的探索をそれぞれ担当する局所競合演算と異化演算を用いて、提示された概念を実装します。提示版は、アルゴリズムが集団の進化史に関する情報を保存するために使用します。最適化プロセスは、この情報に基づいて制御されます。

作者: Andrey Dik