プロモーターベースの遺伝的アルゴリズム

プロモーターベース遺伝的アルゴリズム（PBGA）は、スペインのコルーニャ大学工学研究統合グループ（GII）のF. Bellas氏とRJ Duro氏によって開発された、神経進化のための遺伝的アルゴリズムです。PBGAは、遺伝子配列にエンコードされた可変サイズのフィードフォワード型人工ニューラルネットワーク（ANN）を進化させ、基本的なANNユニットを構築します。各ブロックの前には、オン/オフスイッチとして機能する遺伝子プロモーターが配置され、そのユニットが発現するかどうかを決定します。

PBGAの基礎

PBGA の基本単位はニューロンであり、そのすべての入力接続は次の図に表されます。

基本ユニットの遺伝子型は、実数値の重みの集合であり、ニューロンのパラメータがそれに続き、プロモーター遺伝子の値、ひいてはユニットの発現を決定する整数値のフィールドが先行する。このタイプのユニットを連結することで、ネットワーク全体を構築することができる。

このエンコーディングにより、発現されない情報は進化において遺伝子型によって保持されるものの、直接的な選択圧からは保護され、集団の多様性が維持されるという制約が課せられます。これがこのアルゴリズムの設計前提となっています。したがって、探索空間と解空間の間に明確な違いが生まれ、プロモーター遺伝子を無効化することで、学習され遺伝子型表現にエンコードされた情報が保持されるようになります。

結果

PBGAはもともと自律ロボット工学の分野で、特にロボットの環境モデルのリアルタイム学習において提案されました^{[ 1 ]}^{[ 2 ] 。}

これは、GIIで開発されたマルチレベルダーウィニスト・ブレイン（MDB）認知メカニズムにおいて、実ロボットのオンライン学習に利用されています。別の論文^{[ 3 ]}では、PBGAと、成功時に得られた世界モデルを保存する外部メモリを併用することで、動的環境への適応に最適な戦略となることが示されています。

最近、PBGAは、適応度関数が時間とともに変化する非定常問題において、他の神経進化アルゴリズムよりも優れた結果をもたらしました。^{[ 4 ]}

参考文献

^ F. Bellas、RJ Duro、(2002)統計的に中立なプロモーターに基づくGAによる動的適応度関数を用いた進化、IASTED国際会議人工知能と応用会議論文集
^ F. Bellas, RJ Duro, (2002)統計的に中立なPBGAによる世界のモデリング。強化と実際の応用、第9回国際神経情報処理会議論文集
^ F. Bellas、A. Faiña、A. Prieto、RJ Duro (2006)、「物理エージェントにおけるMDB進化型認知アーキテクチャの適応学習アプリケーション」、人工知能に関する講義ノート、第4095巻、434-445ページ
^ F. Bellas、JA Becerra、RJ Duro、(2009)「非定常問題における神経進化学習のための遺伝的アルゴリズムにおけるプロモーターと機能的イントロンの使用」、Neurocomputing 72、2134-2145

外部リンク

[bellasIASTED-1] F. Bellas、RJ Duro、(2002)統計的に中立なプロモーターに基づくGAによる動的適応度関数を用いた進化、IASTED国際会議人工知能と応用会議論文集

[bellasICONIP-2] F. Bellas, RJ Duro, (2002)統計的に中立なPBGAによる世界のモデリング。強化と実際の応用、第9回国際神経情報処理会議論文集

[bellas06-3] F. Bellas、A. Faiña、A. Prieto、RJ Duro (2006)、「物理エージェントにおけるMDB進化型認知アーキテクチャの適応学習アプリケーション」、人工知能に関する講義ノート、第4095巻、434-445ページ

[bellas09-4] F. Bellas、JA Becerra、RJ Duro、(2009)「非定常問題における神経進化学習のための遺伝的アルゴリズムにおけるプロモーターと機能的イントロンの使用」、Neurocomputing 72、2134-2145

[ 1 ]

[ 2 ] 。

[ 3 ]

[ 4 ]