(セッション表へ)

平成19年度 電気・情報関連学会中国支部第58回連合大会

部門: セッション 0803  23. ファジィ・AI・GA-(3)
日時: 2007年10月20日(土) 13:00 - 14:18
部屋: 工学部 1階 108講義室 (→地図)
座長: 井上 浩孝 (呉工業高等専門学校 電気情報工学科)

23-12 (時間: 13:00 - 13:13)
題名強化学習によるロボットの歩容動作獲得に関する検討 〜LEGO MindStormsへの応用〜
著者*渡部 勇樹, 堀内 匡 (松江工業高等専門学校)
Pagepp. 253 - 254
Keyword強化学習, Mindstorms, 尺取虫, 歩容動作獲得

23-13 (時間: 13:13 - 13:26)
題名ブロガーの注目情報を利用した株価変動予測手法の提案
著者*灘本 裕紀, 堀内 匡 (松江工業高等専門学校)
Pagepp. 255 - 256
Keywordブロガー, 注目情報, 株価予測, テキスト分類

23-14 (時間: 13:26 - 13:39)
題名分割階層型 Particle Swarm Optimization
著者*林 孝志郎 (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)
Pagep. 257
KeywordParticle Swarm Optimization, 関数最適化, 分割階層型PSO(DH-PSO)
Abstract近年,昆虫や鳥などの飛翔物体の行動を模倣した,Particle Swarm Optimization(PSO)の研究が盛んである.通常PSO は,一つの集団によって最適解を探索するというものであるが,近年,分散型や階層型のPSOが提案されており,強力な方法であることが示されている.そこで我々は,さらに強力なPSOの開発を目指し,分散型と階層型を合わせハイブリッド化した分割階層型Particle Swarm Optimization(DH-PSO) を提案し,DH-PSO の性能を関数最適化問題に対して検討する.

23-15 (時間: 13:39 - 13:52)
題名Multiple Sequence Alignmentに対するMaximum Weight Trace法のクリークを考慮した貪欲法
著者*西野 史芳 (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)
Pagep. 258
KeywordMultiple Sequence Alignment, Maximum Weight Trace法, 貪欲法, クリーク
Abstract本研究では,多重配列アラインメント(Multiple Sequence Alignment)について,広範囲にわたって縦の関係を考慮することが可能であるMaximum Weight Trace(MWT)法を対象とする.このMWT法に対する簡単な解法として貪欲法が挙げられる.しかし,貪欲法では局所的な情報を用いることになる.そこで,トレース中の枝を含むクリークに,非トレースの頂点を含む枝を加えるとき,枝を加えたときのクリークの重みの合計が最大になる枝を選ぶ方法を提案する.この方法では,貪欲法に比べ,よりよいアラインメントとなる枝が選ばれると考えられる.

23-16 (時間: 13:52 - 14:05)
題名バイナリー2次計画問題に対する高速k-opt法を用いたGLSの突然変異について
著者*河本 敬子 (近畿大学 生物理工学部 知能システム工学科), 片山 謙吾, 成久 洋之 (岡山理科大学 工学部 情報工学科)
Pagepp. 259 - 260
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)の突然変異について検討する.

23-17 (時間: 14:05 - 14:18)
題名遺伝的プログラミングによるクラスタリング尺度に関する基礎実験
著者*武田 尚子 (広島市立大学情報科学研究科), 高橋 健一, 上田 祐彰, 宮原 哲浩 (広島市立大学)
Pagep. 261
KeywordGP, クラスタリング
Abstract本研究では,遺伝的プログラミング(GP)を用いて,データに応じた最適なクラスタ分割を獲得するための分割尺度関数を発見することを目的とする.そのための基礎実験として,まず,UCI Machine Learning Repositoryのデータに対して,k-meansクラスタリングを実行し,様々なkに対する様々な距離を計測し,GPによる分割尺度関数値の計算に用いる.次に最も高い分割尺度関数値を与えるクラスタ数と実際の最適なクラスタ数とを用いて計算される適合度によりGPにおける進化による最良な分割尺度関数を求める.