| 題名 | 戦略パラメータを使用しない指数型進化的プログラミング |
| 著者 | *谷口 隆裕 (岡山理科大学大学院 工学研究科 情報工学専攻 片山研究室), 片山 謙吾, 南原 英生, 成久 洋之 (岡山理科大学 工学部 情報工学科) |
| Page | p. 171 |
| Keyword | 進化的プログラミング, 戦略パラメータ, CEP, FEP |
| Abstract | 一般的に進化的プログラミング(EP)は， 戦略パラメータを使用している．これまでの研究で我々 は，従来のEPで必要不可欠とされていた戦略パラメー タを使用しないnsEEPを提案し，他のEPアルゴリズム を凌駕する有効性を示した．また，nsEEP は戦略 パラメータを使用しないために，その分計算時間におい ても従来のEPより効率的な探索を実現する．しかし， nsEEP では世代数(計算打切り世代)を変える度に 指数分布のパラメータ値の設定が困難であった． そこで，本研究では，如何なる世代数に対しても使用 できるEEP アルゴリズムを提案し，さらに，従来のEP 手法であるCEP やFEP も含めて，それらの収束特性を 世代別に比較検討する． |
| 題名 | 関数最適化問題に対する代表的な進化的計算手法の探索性能比較 |
| 著者 | *林 孝志郎, 谷口 隆裕, 上野 伸郎 (岡山理科大学大学院 工学研究科), 片山 謙吾, 南原 英生, 成久 洋之 (岡山理科大学 工学部 情報工学科) |
| Page | p. 172 |
| Keyword | 関数最適化, 進化的計算, 遺伝的アルゴリズム, Particle Swarm Optimization, 進化的プログラミング |
| Abstract | 進化的計算は，生物の進化過程や生物の群の挙動を模倣した最適化手法の総称であり，一般に複数の解候補を利用する特徴を持つ．代表例として，遺伝的アルゴリズム(genetic algorithm，GA)，Particle Swarm Optimization(PSO)，進化的プログラミング(evolutionary programming，EP)などのアルゴリズムが知られている．しかしながら，これらのアルゴリズムの枠組みを越えて，それらの基本的な探索性能を比較する研究は皆無に等しい．そこで本研究では，関数最適化問題を対象として，代表的な交叉法を有する4つのGAと，CEP，FEP，EEPの3つのEPおよびPSOの基本的な探索性能を比較検討する． |
| 題名 | 最大クリーク問題に対する反復局所探索法の検討 |
| 著者 | *貞松 政史 (岡山理科大学大学院 工学研究科), 片山 謙吾, 南原 英生, 成久 洋之 (岡山理科大学 工学部 情報工学科) |
| Page | p. 173 |
| Keyword | 局所探索法, 最大クリーク問題, 組合せ最適化 |
| Abstract | 実用上重要な組合せ最適化問題の一つに最大クリーク問題(maximum clique problem，MCP)がある．最近我々は，MCPに対するk-opt局所探索法(k-opt local search，KLS)を提案し，DIMACSベンチマークグラフに対して良好な結果を得た．本論文では，KLSにより得られるクリークをもとに，次回の探索の初期解を生成することで連鎖的に探索を行う反復k-opt局所探索法(iterated KLS，IKLS)を提案すると共に，マルチスタート法を採用した従来のKLSとの比較を通して，IKLSの探索性能を検討する． |
| 題名 | 高速k-opt法を用いた遺伝的局所探索法の突然変異 |
| 著者 | *河本 敬子 (近畿大学), 片山 謙吾, 成久 洋之 (岡山理科大学) |
| Page | pp. 174 - 175 |
| Keyword | バイナリー2次計画問題, 遺伝的局所探索法, 突然変異, 局所探索法 |
| Abstract | 局所探索法(Local Search, LS)は様々な組合せ最適化問題に対して，ある程度精度の良い解を比較的短時間に算出可能な近似解法として知られている．バイナリー2次計画問題（Binary Quadratic Programming Problem, BQP）に対する最も有効なLSとしてk-opt局所探索法（k-opt法）がある． 本研究では， k-opt法の改良アルゴリズムである高速 k-opt法を用いて，BQPに対する遺伝的局所探索法（Genetic Local Search, GLS）の突然変異の効果を検討する． |
| 題名 | 機械学習を用いたcaspase-3によるタンパク質の切断規則の予測 |
| 著者 | *宮川 千種, 岡田 諒 (山口大学大学院理工学研究科), 杉井 学 (山口大学メディア基盤センター), 松野 浩嗣 (山口大学大学院理工学研究科), 宮野 悟 (東京大学医科学研究所ヒトゲノム解析センター) |
| Page | pp. 176 - 177 |
| Keyword | 機械学習, バイオインフォマティクス, アミノ酸配列, 文字列予測 |
| Abstract | カスパーゼはアポトーシスを引き起こすタンパク質分解酵素であり、これまでに十数種類同定されている。カスパーゼがある特定のアミノ酸配列を認識することでタンパク質は切断される。また、認識するアミノ酸配列はカスパーゼによって異なっており、ある程度の規則があると言われている。しかし、この規則に当てはまらないようなアミノ酸配列でもカスパーゼが認識し、タンパク質を切断する場合がある。 本実験ではcaspase-3に着目し、機械学習システムBONSAIを利用して、caspase-3で切断されるタンパク質の特徴を発見し、また、どのようにcaspase-3が切断するタンパク質を選んでいるのかを発見することを目的として、計算機実験を行った。 |
| 題名 | 機械学習システムBONSAIへのワイルドカード実装の効果 |
| 著者 | *岡田 諒, 宮川 千種 (山口大学大学院理工学研究科), 杉井 学 (山口大学メディア基盤センター), 松野 浩嗣 (山口大学大学院理工学研究科), 宮野 悟 (東京大学医科学研究所ヒトゲノム解析センター) |
| Page | pp. 178 - 179 |
| Keyword | 機械学習, モチーフ検索, バイオインフォマティクス, 膜タンパク |
| Abstract | 近年、ゲノム情報は加速度的に増加し、計算機を用いた情報科学的手法による規則発見はその重要性を増してきている。 その一例として、かつて我々は機械学習システムBONSAIを用いて、N-ミリストイル化のシグナル配列を予測するという実験を行った。その結果BONSAIは生化学的実験によって知られている規則を発見しただけでなく、新たな規則も予測し、その有効性を示すことができた。しかしその一方で、その規則は正解率という点において、あまりよくはなかった。そこで今回我々は、より高精度な規則を発見できるようBONSAIにワイルドカードを実装し、その性能を調べた。 その結果、従来より正確で簡潔な規則を予測でき、ワイルドカード実装の有効性を示した。さらにそれを用いたpmp配列予測実験においても、興味深い配列を予測することができた。 |