AI用語集
人工知能の完全辞典
アントコロニー最適化法 (ACO)
人工フェロモンを用いて組合せ最適化問題において最適解を見つける、実際の蟻の行動に触発されたメタヒューリスティックである。このアルゴリズムは、フェロモンの堆積と蒸発をシミュレートし、探索をより良い解へと導く。
フェロモンの蒸発
フェロモン濃度の指数関数的減少メカニズムであり、早期収束を防ぎ、新しい解の探索を促進する。このプロセスは、実際の蟻の群れにおけるフェロモンの自然な蒸発をシミュレートしている。
遷移確率
蟻が部分的な解に追加する次の要素を選択する際に決定する確率的ルールであり、フェロモンレベルと局所的なヒューリスティック情報に基づいている。この確率は、集団学習と事前情報を組み合わせて探索を導く。
解の構築
各蟻が遷移確率に従ってコンポーネントを順次追加し、完全な解を構築する反復プロセスである。構築は確率的であるが、以前の解によって残されたフェロモンの痕跡によってバイアスがかけられている。
局所フェロモン更新
各蟻が部分的な解にコンポーネントを追加した直後に実行される、フェロモンの痕跡を変更するメカニズムである。この局所更新により、同じ反復中に他の蟻が同じ経路を選択する確率が低下する。
大域フェロモン更新
ある反復内ですべての解の構築が完了した後に適用されるプロセスであり、最良の解のみが有望なコンポーネントを強化するためにフェロモンを堆積させる。このメカニズムは、探索を解空間内で最も有望な領域に集中させる。
組合せ最適化
有限だが非常に大きな可能な解の集合の中から、最良の構成を見つけることを目的とする数学的問題のクラスである。アントコロニー最適化アルゴリズムは、これらのNP困難な問題を解決するために特に有効である。
巡回セールスマン問題 (TSP)
出発点に戻る前に各都市を正確に1回ずつ訪問する最短経路を見つけることを目的とする、古典的な組合せ最適化問題である。TSPは、アントコロニー最適化アルゴリズムの性能を評価するためのベンチマークとしてよく使用される。
アルファパラメータ (α)
ACOアルゴリズムにおける遷移確率の計算において、フェロモンの痕跡の影響を制御する係数。アルファの値が高いと、以前に発見された解の活用が促進される。
ベータパラメータ (β)
遷移の選択においてヒューリスティック情報の重要性を調整するパラメータで、通常は移動の可視性または局所的な望ましさを表す。このパラメータは、集合的な学習と問題の事前情報とのバランスをとる。
ローパラメータ (ρ)
フェロモンの蒸発率。0から1の間の係数で、反復間でフェロモンの痕跡が減衰する速度を決定する。このパラメータは、システム内に蓄積された情報の持続性を制御する。
Qパラメータ
アリが残すフェロモンの量を定量化するために使用される定数で、通常は見つかった解の質に比例する。このパラメータは、システム内の良い解の強化の強度に影響を与える。
候補リスト
局所的なヒューリスティックに基づいて、次の移動の選択を最も有望なオプションのサブセットに制限する最適化メカニズム。この手法は、潜在的により良い解に集中することで収束を加速させる。
可視性ヒューリスティック
移動の局所的な望ましさに関する静的または動的な情報で、通常はTSPにおける距離などの問題の特性に基づく。このヒューリスティックは、蓄積されたフェロモンとは独立してアリを導く。
探索の多様化
局所解での停滞を避けるために、解空間の異なる領域の探索を維持することを目的とした戦略。ACOでは、主に蒸発率と遷移パラメータによって制御される。
探索の集中化
これまでに特定された最も有望な解の周りに探索の努力を集中させるプロセス。この戦略は、フェロモンを通じて蓄積された情報を利用して、既存の解を洗練させる。