確率的拡散探索
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/06/18 16:06 UTC 版)
確率的拡散探索(英語版) (SDS) は、エージェントに基づいた確率的広域探索であり、最適化技法である。目的関数を複数の部分関数に分解可能な問題に適している。各エージェントは現在の仮説に基づいてパラメータ化された部分目的関数を無作為に選択して評価することで、仮説を繰り返し評価する。標準的SDSでは、部分関数の評価結果は2値であり、各エージェントは活性化されるか非活性化されるかのどちらかである。仮説に関する情報はエージェント間通信を通して個体群に拡散される。蟻コロニー最適化で使われる Stigmergy な通信ではなく、SDS ではアリが一列に連なる振る舞いを示すことにヒントを得た1対1の通信戦略で、仮説をエージェント間で伝達する。正のフィードバック機構によって、エージェントの個体群は広域最適解周辺で徐々に安定していくことが保証される。SDS は数学的に記述可能な効率的で頑健な探索法であり、最適化アルゴリズムである。
※この「確率的拡散探索」の解説は、「群知能」の解説の一部です。
「確率的拡散探索」を含む「群知能」の記事については、「群知能」の概要を参照ください。
- 確率的拡散探索のページへのリンク