情報科学研究科Graduate School of Computer and Information Sciences
HUI500K1（人間情報学 / Human informatics 500）進化システム論Evolutionary Systems
佐藤 裕二Sato YUJI
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 情報科学研究科Graduate School of Computer and Information Sciences |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | TZ013 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期授業/Spring |
| 曜日・時限Day/Period | 水2/Wed.2 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| カテゴリーCategory |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
While conducting lectures in textbooks, understand the theoretical foundations of genetic algorithms, design methods considering building blocks, learning and identification considering linkage between gene loci, methods based on distribution estimation, and parallelization methods of evolutionary computation, it aims to learn about the theoretical framework and application of evolutionary computation.
The standard for external learning, such as class preparation and review, is 4 hours a week.
Grades are judged comprehensively from the report (60%) and the attitude of participating in the class (preparation for presentation, question and answer status, etc.) (40%).
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
教科書の輪講を行いながら、遺伝的アルゴリズムの理論的基礎、ビルディングブロックを考慮した設計手法、遺伝子座間のリンケージを考慮した学習や同定、分布推定に基づく手法、さらに進化計算の並列化手法に関して理解を深める。また、進化計算、群知能、ニューラルネットワークなどの計算知能に関する輪講や実験を通して、計算知能の理論的枠組みと応用に関して学ぶことを目的とする。
到達目標Goal
計算知能（の中でも特に強化学習手法）の理論的枠組みを体系的に把握し、簡単な応用問題への適用法を習得することを到達目標とする。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」と「DP2」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
計算知能の理論的枠組みを体系的に把握することを目標として、まず基本となる、遺伝的アルゴリズムの理論的基礎（選択のパラメータである乗っ取り時間や探索を制御するパラメータであるイノベーション時間など）、ビルディングブロックを考慮した設計手法、遺伝子座間のリンケージを考慮した学習や同定、分布推定に基づく手法、さらに進化計算の並列化手法に関して学ぶ。Webから入手したプログラムを用いた実験に基づく議論や査読付き論文の輪講を通して進化システムへの理解を深める。
You will learn the advanced theories of evolutionary computation including (1) Theory of genetic algorithms such as takeover time and innovation time, (2) Design for the building block, (3) Linkage learning and linkage identification, (4) Estimation of distribution algorithm, and (5) Parallel evolutionary computation. You will experiment and discuss by using a prototype program obtained from several Web pages and/or read a paper by turns, and learn about evolutionary systems.
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[対面/face to face]：ガイダンス
授業の目標、内容、進め方、および評価方法の説明
第2回[対面/face to face]：輪講1：遺伝的アルゴリズムの基礎と改良
スキーマとビルディングブロック、グレイコードによる符号化、実数値GA、ニッチング手法、多目的最適化のための手法
第3回[対面/face to face]：輪講2：設計理論
遺伝的アルゴリズムの設計指針、初期集団サイズの設定、選択・交叉のパラメータ設定の理論的解析
第4回[対面/face to face]：輪講3：ビルディングブロック処理による手法
Messy GA、fast messy GA、gem GA
第5回[対面/face to face]：輪講4：リンケージ学習・同定
リンケージ、LLGA、リンケージ同定手法
第6回[対面/face to face]：輪講5：分布推定に基づく手法
PBIL, MIMIC, CGA, ECGA, UMDA, BMDA, BOA
第7回[対面/face to face]：輪講6：並列化手法
マスタースレーブ方式、島モデルGA、超並列GA、分布推定アルゴリズムの並列化
第8回[対面/face to face]：輪講7
進化的計算、群知能やニューラルネットワークなどの計算知能と呼ばれる分野の論文を取り上げ、輪講を行う。
第9回[対面/face to face]：輪講8
進化的計算、群知能やニューラルネットワークなどの計算知能と呼ばれる分野の論文を取り上げ、輪講を行う。
第10回[対面/face to face]：輪講9
進化的計算、群知能やニューラルネットワークなどの計算知能と呼ばれる分野の論文を取り上げ、輪講を行う。
第11回[対面/face to face]：実験1
インターネットなどを通して公開された進化システム関連の実験用ソフトウェアを受講者が興味に応じて各自入手し実験および議論を行う。
第12回[対面/face to face]：実験2
インターネットなどを通して公開された進化システム関連の実験用ソフトウェアを受講者が興味に応じて各自入手し実験および議論を行う。
第13回[対面/face to face]：実験3
インターネットなどを通して公開された進化システム関連の実験用ソフトウェアを受講者が興味に応じて各自入手し実験および議論を行う。
第14回[対面/face to face]：まとめ
実験を通して学んだ内容などを報告し、レポートとしてまとめる。
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
1. 教科書の予習・復習を行うこと。本授業の準備・復習等の授業時間外学習は、各週につき4時間を標準とします
2. 教科書で理解困難な個所は参考文献（主に英語の論文）で事前に調査すること
3. 実験のためのプログラムのデバッグや見直しを行うこと
本授業の準備・復習等の授業時間外学習は，各週につき4時間を標準とする．
テキスト（教科書）Textbooks
[1] 棟朝 著「遺伝的アルゴリズム」森北出版（2008） (Munetomo, “Genetic Algorithms”, Morikita-shuppan, 2000.)
参考書References
[1] D.E. Goldberg, “Genetic Algorithms in Search, Optimization and Machine Learning”, Addison-Wesley, 1989.
[2] 北野 編著「遺伝的アルゴリズム1～4」産業図書（2000） (Kitano, “Genetic Algorithms I - IV”, Sangyo-tosho, 2000.)
[3] 有田 著「人工生命」科学技術出版（2000） (Arita, “Artificial Life”, Kagaku-gijyutu-shuppan, 2000.)
[4] Proc. The ACM/SIGEVO Genetic and Evolutionary Computation Conference, 1999 – 2021.
[5] Proc. The IEEE Congress on Evolutionary Computation Conference, 1999 – 2021.
[5] 進化計算学会論文誌、シンポジウム論文集、および研究会論文集
成績評価の方法と基準Grading criteria
レポート（60%）および平常点（発表準備状況や質疑応答状況など）（40%）
学生の意見等からの気づきChanges following student comments
前提科目を未履修の学生が一部おり、そのような学生の理解力が不十分の傾向があるため、初回（履修登録前のガイダンス時）に前提科目の説明をしている。
学生が準備すべき機器他Equipment student needs to prepare
特になし
その他の重要事項Others
必要に応じて関連文献（主に英語の論文）を読んで理解を進めてもらうことがあります