Search

本研究では，遺伝的交叉を用いた並列シミュレーテッドアニーリング（PSA/GAc）を提案する．PSA/GAcは，複数のプロセス上で並列にシミュレーテッドアニーリングの操作を行い，一定期間のアニーリングを行った後，2プロセス間で遺伝的アルゴリズムのオペレータである遺伝的交叉により情報交換を行う．その後再び一定期間のアニーリングを行い，遺伝的交叉を行う操作を繰り返す．情報交換に遺伝的操作を利用することにより，大域的にはいくつかの準最適解が存在し，局所的には無数の準最適解を有するような問題に特に有効であると考えられる．数種のテスト関数に適用した結果，PSA/GAcの優れた性能が明らかとなった．また，実問題への適用例として最適化問題の1つであるタンパク質のエネルギー最小化計算を行い，従来用いられていた手法と比較し，PSA/GAcの有効性を明らかにした．, This paper proposes Parallel Simulated Annealing using Genetic Crossover (PSA/GAc). In this algorithm, there are several processes of Simulated Annealing (SA)working parallel. To exchange information between the solutions, the operation of genetic crossover is performed. Through the continuous test problems, it is found that PSA/GAc can search the solution effectively. The proposed algorithm is also applied to the minimization of protein energy function. Comparing PSA/GAc to the conventional algorithm, it is also found that PSA/GAc is effective algorithmfor real world problems.

本研究では，遺伝的交叉を用いた並列シミュレーテッドアニーリング(PSA/GAc)を提案する．PSA/GAcは，複数のプロセス上で並列にシミュレーテッドアニーリングの操作を行い，一定期間のアニーリングを行った後，2プロセス間で遺伝的アルゴリズムのオペレータである交叉により情報交換を行う．これにより，大局的にはいくつかの準最適解が存在し，局所的には無数の準最適解を有するような問題に特に有効であると考えられる．数種のテスト関数に適用した結果，PSA/GAcの優れた性能が明らかとなった．また，実問題への適用例として最適化問題の一つであるタンパク質の構造解析を行い，従来用いられていた手法と比較し，PSA/GAcの有効性を検討した．, This paper proposes Parallel Simulated Annealing using Genetic Crossover (PSA/GAc). In this algorithm, there are several processes of simulated annealing (SA) working parallel. To exchange information between the solutions, the operation of genetic crossover is performed. Through the continuous test problems, it is found that PSA/GAc can search the solution effectively. The proposed algorithm is also applied to the protein folding problem. Comparing PSA/GAc to the conventional algorithm, it is also found that PSA/GAc is effective algorithm for real world problems.