福永 津嵩 @fukunagaTsu 慶應義塾大学理工学部生命情報学科准教授。ゲノム配列解析／RNA構造解析／オミクスデータ解析に関連するバイオインフォマティクスの研究を行っています。つぶやきは個人としての発言であり、所属組織が関与するものではありません。 sites.google.com/site/fukunagat…
慶応大学准教授「遺伝的アルゴリズムの強力さを伝える事例として非常に有用な例があるのだが、あまりにアレなので講義では利用できない」
福永 津嵩 @fukunagaTsu 慶應義塾大学理工学部生命情報学科准教授。ゲノム配列解析／RNA構造解析／オミクスデータ解析に関連するバイオインフォマティクスの研究を行っています。つぶやきは個人としての発言であり、所属組織が関与するものではありません。 sites.google.com/site/fukunagat…
10時間かかっていた遺伝的アルゴリズムをAWS Lambdaで高速化 - Insight Edge Tech Blog
こんにちは、Insight EdgeのLead Engineerの日下です。 今回は、DEAPライブラリを利用した遺伝的アルゴリズムをAWS Lambdaで分散並列実行した話を紹介しようと思います。 目次 目次 背景と課題 並列化の方法の検討 どこを並列化するか？ どのように並列化するか？ 実装の方針 呼び出し側コード Lambda側コード その他 Lambdaを呼び出すためのDEAPへのmap実装 呼び出し側コード Lambda側コード 今回の実装の工夫ポイント 改善の評価 まとめ 前提 クラウド基盤: AWS 言語: Python ライブラリ: DEAP 背景と課題 ある案件で、遺伝的アルゴリズム (以下、GA)を用いた最適化処理により業務改善の実証実験をしていたところ、性能に課題があるということでデータサイエンティストチームから相談を受けました。 当該処理は、EC2 (r7g.4xl
海洋ロボコンをやってた人です。 今回はメタヒューリスティクスの中でよく使用される手法の遺伝的アルゴリズム：Genetic Algorithmについての概要から、Simple GAのC++実装例までを書いていこうと思います。 経緯としては、PSOやMRFOはフルスクラッチ実装したのに対し、遺伝的アルゴリズムGAはフルスクラッチ実装していなかったので、挑戦してみようと思ったためです。 また自分自身の備忘録にもなっていますので、わかりにくい箇所があるかもしれません。 予めご容赦いただきますようお願いします。 "もっとこうすれば簡単に実装できるよ" や "ここは違うよ"というご意見がありましたら、是非ご教授いただけますと幸いです。 GA: Genetic Algorithmの構成 遺伝的アルゴリズムは生物の進化の遺伝子的法則を工学的にモデル化したメタヒューリスティクス手法の一つで、世代ごとに各個体
東京大学 生産技術研究所は2024年7月4日、遺伝的アルゴリズムを用いて、弾性波の伝播特性を制御するフォノニック結晶ナノ構造を自動設計する技術を開発したと発表した。 フォノニック結晶は、弾性波、すなわち振動（フォノン）の伝播特性を制御できる周期構造だ。人工的なナノ構造が周期的に繰り返し形成されており、こうした構造が材料のフォノン特性を変化させる。 今回の研究では、弾性波の伝播のしやすさが方向によって異なる「異方性」を最大化するため、自動設計アルゴリズムを開発した。まず、厚さ200nmのシリコン膜に、周期的な穴を形成した2次元フォノニック結晶構造を設計。弾性波の伝播を禁止するバンドギャップと呼ばれる周波数帯域を広くし、一方向にのみ弾性波を伝搬しやすい構造とするために、最適な穴の大きさと形状を探索するよう指示した。
Airwindows「kBeyond」AIすら超える自然なホール空間を実現する次世代リバーブ！ 遺伝的アルゴリズムが125万以上の反射音を生み出し、リアルで奥行きのある音響空間をDAW上に再現する革新的プラグイン｜DTMプラグインセール
もっと自然でリアルなホールの響きがほしい そんな方にぴったりなのが、Airwindowsのリバーブプラグイン「kBeyond」です。 遺伝的アルゴリズムを活用し、まるで本物のホールで録音したかのような空間を簡単に再現できます。 この記事では、その魅力をわかりやすくご紹介します。 kBeyond：リアルなホール空間を再現する次世代リバーブ 音楽制作や音響設計の現場で、より自然でリアルな響きを追求する方にとって、リバーブは欠かせないツールです。 その中でも、Airwindowsが開発した「kBeyond」は、これまでのリバーブとは一線を画す革新的なプラグインです。 kBeyondの特徴 kBeyondは、単なるリバーブではなく「演奏ホール」をそのまま再現するようなリアルな響きを生み出すプラグインです。 その特徴を詳しくご紹介します。 遺伝的アルゴリズム（GA）による設計 開発には「遺伝的アルゴ
福永 津嵩 @fukunagaTsu 慶應義塾大学理工学部生命情報学科准教授。ゲノム配列解析／RNA構造解析／オミクスデータ解析に関連するバイオインフォマティクスの研究を行っています。つぶやきは個人としての発言であり、所属組織が関与するものではありません。 sites.google.com/site/fukunagat…
遺伝的アルゴリズム | AI研究所
遺伝的アルゴリズムとは遺伝的アルゴリズムとは、生物の進化の過程をモデルに作られた進化的アルゴリズムのひとつです。 確率的探索の一手法であり、1975年に提案されました。遺伝子のようなモデルを用いて、表現したデータ群の中から、評価関数に対して、適応度の高いデータ群を優先的に選択し、交差(組み換え)や突然変異などの遺伝的操作を繰り返しながら最適解を探索します。 データ群をランダムに複数個作成し、現世代とします。現世代の適応度を計算し、選択したデータ群に対して交差、突然変異、複製のいずれかを行います。 選択の方法には、 適応度比例期待値ランキングエリート保存などの指標を用いた戦略があります。 交差は２種類のデータ群を部分的にシャッフルすることで、単純交差・一様交差・部分一致交差などがあります。突然変異はデータ群の一部を変更します。 このようにして作成された新たなデータ群を次世代とします。次世代の
こんにちは、Insight EdgeのLead Engineerの日下です。 今回は、DEAPライブラリを利用した遺伝的アルゴリズムをAWS Lambdaで分散並列実行した話を紹介しようと思います。 目次 目次 背景と課題 並列化の方法の検討 どこを並列化するか？ どのように並列化するか？ 実装の方針 呼び出し側コード Lambda側コード その他 Lambdaを呼び出すためのDEAPへのmap実装 呼び出し側コード Lambda側コード 今回の実装の工夫ポイント 改善の評価 まとめ 前提 クラウド基盤: AWS 言語: Python ライブラリ: DEAP 背景と課題 ある案件で、遺伝的アルゴリズム (以下、GA)を用いた最適化処理により業務改善の実証実験をしていたところ、性能に課題があるということでデータサイエンティストチームから相談を受けました。 当該処理は、EC2 (r7g.4xl
この記事はACCESS Advent Calendar 2024 21日目の記事です。 以前書いた自作オセロAIの解説記事の情報が古くなってきたので最新の解説記事を書きます。 最初に 今回作成したオセロAIとはここから遊べます. 遊びながらこの記事を読んでくれると嬉しいです。 また、リポジトリは以下のとおりです。 github.com 概要 この記事は盤面の評価のパラメータ調整において遺伝的アルゴリズムを適用したオセロAIでくのぼうの最新の解説記事となります。 本記事では情報の更新を目的としているためアップデート内容のみ解説する予定です。 そのため、本記事で触れられていない部分を知りたい場合は前作記事をご覧ください。 jj1guj.hatenablog.com 従来型評価関数の仕様と問題点 従来型の評価関数は以下のように角から行方向または列方向、あるいは対角線方向に4マス分抽出して評価して
福永 津嵩 @fukunagaTsu 慶應義塾大学理工学部生命情報学科准教授。ゲノム配列解析／RNA構造解析／オミクスデータ解析に関連するバイオインフォマティクスの研究を行っています。つぶやきは個人としての発言であり、所属組織が関与するものではありません。 sites.google.com/site/fukunagat…
遺伝的アルゴリズムで難しいインスタンスを生成してみた
この記事は数理最適化 Advent Calendar 2024の21日目の記事です。 導入 数理最適化の研究や実装において、作成したアルゴリズムの性能検証や異なる手法間のベンチマークを取得するのに使うためのテスト用のインスタンスが欲しい状況が往々にして生じる。 しかしながら、乱数を用いてインスタンスを生成するとしばしば簡単すぎる問題が生成されがちであるため、「そこそこ難しい」 インスタンスを用意するのは意外と厄介なタスクである。 ベンチマークを取得する対象に任意性があるのであればMIPLIB等のインスタンスを用いてベンチマークを取れば良いものの、自作した数理モデルでベンチマークを取る場合には上記の困難は避けられない。 本記事では、遺伝的アルゴリズムを用いて恣意的に難しいインスタンスを生成してみようと思う。 また、今回のコード全てはNotebookとしてGitHub上に公開しており、Bind
福永 津嵩 @fukunagaTsu 慶應義塾大学理工学部生命情報学科准教授。ゲノム配列解析／RNA構造解析／オミクスデータ解析に関連するバイオインフォマティクスの研究を行っています。つぶやきは個人としての発言であり、所属組織が関与するものではありません。 sites.google.com/site/fukunagat…
1. はじめに 遺伝的アルゴリズム（GA）は、進化の過程を模倣して複雑な問題の最適解を見つける手法です。今回は、PythonのライブラリDEAPを使って、東京都内で複数の配達先を巡る最短ルートを見つける方法を学びます。また、folium ライブラリを使って、地図上で最適なルートを可視化します。 2. 遺伝的アルゴリズムとは？ 遺伝的アルゴリズムは以下のステップで解を見つけます。 個体生成: ランダムな解候補（個体）を作成します。 評価: 各個体がどれだけ良い解か（適応度）を評価します。 選択: より良い個体を選び、次世代に残します。 交叉: 2つの個体を組み合わせて新しい個体を生成します。 変異: 個体にランダムな変更を加え、新しい可能性を探ります。 繰り返し: この手順を繰り返して最適な解を見つけます。 3. 今回の問題設定 東京都内で10箇所の配達先があると仮定し、それらの地点を最短ル
遺伝的アルゴリズム（GA）は、自然界の進化の原理を基にした最適化技術として、近年多くの注目を浴びています。そのユニークなアプローチは、さまざまな産業や研究分野での応用例を生み出しており、今後の可能性が非常に広がりを持っています。 この記事では、遺伝的アルゴリズムの基本原理から、現代の研究トピック、さらには未来の展望まで、幅広くその魅力と可能性について解説します。GAに初めて触れる方から、既にその技術を利用している方まで、多くの読者に役立つ情報を提供することを目指しています。 さぁ、自然界の進化の驚きを基にした、この興味深い技術の世界へ一緒に足を踏み入れてみましょう。 はじめに：遺伝的アルゴリズムとは 遺伝的アルゴリズム（Genetic Algorithm、以下GAと略）は、最適化や検索問題を解決するためのアルゴリズムの一つです。GAは、自然の選択と遺伝の原理に基づいており、生物の進化のメカ
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
遺伝的アルゴリズム Genetic Algorithm(GA)のC++実装
遺伝的アルゴリズムを用いてフォノニック結晶ナノ構造の自動設計技術を開発
慶応大学准教授「遺伝的アルゴリズムの強力さを伝える事例として非常に有用な例があるのだが、あまりにアレなので講義では利用できない」
10時間かかっていた遺伝的アルゴリズムをAWS Lambdaで高速化 - Insight Edge Tech Blog
遺伝的アルゴリズムを使用したオセロAIの作成最新版 - jj1gujのブログ
慶応大学准教授「遺伝的アルゴリズムの強力さを伝える事例として非常に有用な例があるのだが、あまりにアレなので講義では利用できない」
慶応大学准教授「遺伝的アルゴリズムの強力さを伝える事例として非常に有用な例があるのだが、あまりにアレなので講義では利用できない」
遺伝的アルゴリズム(DEAP)を使ったルート最適化 - Qiita
遺伝的アルゴリズム入門：基本から応用、未来の展望まで | Reinforz Insight