@misc{oai:u-fukui.repo.nii.ac.jp:00022342,
 author = {李, 強 and 前田, 陽一郎 and LI, Qiang and MAEDA, Yoichiro},
 month = {Oct},
 note = {遺伝的アルゴリズム(GA)は適用範囲の非常に広い,生物の遺伝メカニズム(ネオダーウィニズム)を模倣した学習アルゴリズムである。一般にGAはランダム的要素を含んだ探索手法のため,いくつかの問題を含んでいる。中でも,交叉率や突然変異率などの遺伝的パラメータが一定であるため, GAにおける探索性能ば初期や収束期において常に最適であるとは限らない。このため,我々はすでに進化の高速化と解の高質化に基づく効率的な探索を行うファジィ適応型探索並列遺伝的アルゴリズムを提案している。しかしながら,この手法ではファジィルールの入力部に最大適応度と平均適応度のみを用いているため,進化における探索ステージを把握する精度が良くない場合があると考えられる。さらに,テスト関数の次元が増えるとともに探索性能が悪くなるといった問題がある。そこで,本研究では高次元関数の最適化問題にも良い性能を持つ改良手法を提案する。また,提案手法の性能を検証する比較シミュレーションを行ったので、その結果についても報告する。Genetic Algorithm (GA) has been successfully applied in wide scope, and is a learning algorithm to mimic the biological mechanism of inheritance (neo-Darwinism). In general, because GA is an exploration method including stochastic search, there were a number of issues. Specially, the search ability of ordinary GA is not always optimal in the early and final stage of search, because of fixed genetic parameters, i.e., crossover rate, mutation rate and so on. Therefore, we have already proposed the fuzzy adaptive search method for parallel genetic algorithm based on the acceleration of evolution and high quality solutions. However, there are some cases when it is not enougb accuracy to describe the stage of evolution, because the best fitness and average fitness were adopted as inputs of fuzzy rules. Moreover, worse performance was shown in the test function with high dimensions. Therefore, in this research we propose the improvement methods that have a good performance in the optimization problem of high-dimensional function. And the comparison simulations are executed to verify the efficiency of proposed methods. The results of simulations are also reported.},
 title = {ファジィ適応型探索並列遺伝的アルゴリズムおよびその改良手法},
 year = {2009}
}