BCI 特徴空間における特徴選択のための積極的突然変異を用いた遺伝的アルゴリズム

Genetic algorithm with aggressive mutation for
feature selection in BCI feature space
Pattern Analysis and Applications, 2015, Vol.18, No.3, P.485-492
20170830_tishihara

この論文の目的は,攻撃的突然変異を有する遺伝的アルゴリズムと呼ばれる,特徴選択のための新しいアルゴリズムを提示することである.この論文では,アルゴリズムの理論的背景と,ブレイン-コンピュータインタフェース(BCI)領域における特徴選択のための応用の両方を提示している.アルゴリズムの可能性を十分に提示し,実用性を実証するために,BCI の研究で一般的に使用されている他の方法と比較する.提案されたアルゴリズムの実際の応用は,第2 回BCI コンペティション(データセットIII-モーターイメージ)に提出されたベンチマークセットであった.

有効・無効電力供給市場の設計:NSGA-II を用いた多目的最適化アプローチ

Design of joint active and reactive power reserve market: a multi-objective approach using NSGA II
IET Generation, Transmission/Distribution vol.10(1), pp.31-40, 2016
161214 ykohri

本稿では有効・無効電力供給市場について述べる.有効・無効電力は負荷流量方程式やネットワーク回線の電流 制限,同期発電機の容量カーブなどいくつかの問題と密接に関連している.提案手法では,個々の有効・無効電 力市場を管理,決定後に有効・無効電力供給の最適な量を同時に決定する.次の 3 つがネットワークの制約を満 たし,ユニットを生成する電力供給を生み出すうえで必要とされる.1. 必要な同時有効・無効電力コストの最小 化.2. 有効電力不足によるエネルギー未供給の最小化.3. 無効電力不足によるエネルギー未供給の最小化.IEEE 24 bus RTS system を提案手法の評価のために使用し,従来の有効電力供給市場と比較した.

遺伝的アルゴリズムにおける交叉と突然変異の適応確率

20150406 harada

Adaptive Probabilities of Crossover and Mutation in
Genetic Algorithms

Mandavilli Srinivas,Lalit Mohan Patnaik

IEEE Transactions on Systems,Man and Cybernetics,Volume 24,Issue 4,1994,Pages 656-667

Convergence of numerical methods, Genetic algorithms,Optimisation, Probability, Schema theorem, Adaptive genetic algorithm, Adaptive probabilities, Convergence capacity, Crossover, Fitness values, Multimodal function optimization,Mutation, Capacity planning, Design optimization, Encoding, Genetic mutations, Neural networks, Optimal control, Organizing, Robustness, Sampling methods

本稿において,私たちは遺伝的アルゴリズム(GA) による多峰性関数最適化のための効率的なアプローチを述べ
る.私たちは,交叉と突然変異の適応確率を使うことを勧める.これは母集団の多様性維持とGA の収束能力の
維持という二つの目的を実現するためである.適応型遺伝的アルゴリズム(AGA) において,交叉と突然変異の確
率である,Pc とPm は解の適応度に応じて変化している.高い適応度を持つ解は保護される一方で,標準未満の
適応度を持つ解は全て排除される.また,Pc とPm を適応度によって変化させて使用することで,私たちはPc
とPm の最適値を決定する問題に対する解決策を与える.すなわち,Pc とPm は全く指定する必要はない.AGA
は,遺伝的アルゴリズムに確率的操作を適応させるために従来の方法と比較される.そのスキーマ定理はAGA に
よって導き出され,そしてその動作が分析される.
私たちは,難易度が変化するいくつかの解明されていない多峰性関数最適化における標準的な遺伝的アルゴリ
ズム(SGA) とAGA の性能を比較する.ほとんどの関数において,AGA はSGA に比べてはるかに少ない世代数
で一般最適解に収束する.そして,局所解となって動けなくなることが少ない.私たちの実験は,遺伝子の状態
と多峰性の性質についてSGA の性能と比較した,AGA の相対的な性能は向上していることを証明した.私たち
は,AGA が多峰性のランドスケープにおける一般解を見つけるために,自分自身で適応させることができるGA
の構造を実現するための初めの一歩だと信じている.