進化的アルゴリズム - 親の選択と生存者の選択

進化的アルゴリズム（EA: Evolutionary Algorithm）は進化的計算（Evolutionary Computation）のサブセットで、生物の個体群のシミュレーションなどに利用されるメタヒューリスティックな最適化アルゴリズムです。EA は、生物の進化から着想されるメカニズム、つまり「生殖」（reproduction）、「突然変異」（mutation）、「遺伝子組み換え」（recombination）、「淘汰」（selection）などを用います。最適化問題に対する解の候補群が、1 つの母集団（個体群）として機能し、適合度関数によりその品質が決定されます。このような演算が反復実行され、母集団の進化が起こります。

進化的アルゴリズムのシーケンス

ASCMO-STATICで使用される進化的アルゴリズムは、1つの「初期化」と、停止目標に達するまで反復実行される1つの「ループ」から成ります。多目的最適化の停止目標（Number of Evaluations）は、"Multi Result Optimization" ウィンドウ（Optimization > Multi Result > Settings）で設定することができます。

  1. 初期化（Initialization）：固体群である母集団の初期状態をランダムに生成します。これが第一世代となります。

  2. 評価（Evaluation）：母集団内の各個体の適合度（生存しやすい度合）を評価します。

  3. 停止目標（Number of Evaluation）に達するまで、以下の世代交代を繰り返します。

    • 選択（Selection）：生殖に最も適した固体の選択
    • 遺伝子組み換え（Recombination）：遺伝子の交差（Crossover）による新種の固体の生成
    • 突然変異（Mutation）：子孫においてランダムに発生する変化
    • 評価（Evaluation）：上記（ステップ2）を参照
    • 選択（Selection）：新しい世代の決定

ここでASCMO-STATICは、以下の選択処理を識別します。

親の選択（Parent Selection）

この選択処理においては、評価と遺伝子組み換えに親世代が関わります。この背景として、ランダムな突然変異による新しい世代の生成があるため、最適化目標に向かって努力する必要はありません。これは、適合度関数に従って子を生成するより好ましいとも言えます。

生存者の選択（Survivor Selection）

この選択処理においては、評価と遺伝子組み換えに親世代が関わりません。