【ブログ用】流山市の地理データを利用したtspからの導入

流山市の地理データを利用した TSP からの導入

自己紹介Introduction

目的Purpose

進化計算の基礎の学習遺伝的アルゴリズムの学習TSP からのスケジューリングへの応用の基礎作り

最終的な目的進化計算を用いたスケジューリング提案手法に関する研究

進化計算とエージェントを使用し，最適なスケジューリングを行なう支援をするシステムの作成

概要

なぜ進化計算とエージェントを組み合わせるのか？

エージェントとは前提内部モデルを持っている ( 感情・性格・経歴 )

内部モデル

感情性格経歴

進化計算とエージェントを組み合わせてスケジューリングを行うと…

感情エージェントの表情を映すことによりユーザの情に訴えかけることができる


性格特定のユーザには「優しく」はたまた「厳しい」性格で促すことが可能になる


性格特定のユーザには「優しく」はたまた「厳しい」性格で促すことが可能になる

経歴経験を積むことにより，エージェント自身に自信をもたせることができる

つまり！

エージェントを組み込んでスケジューリングを行なうことで「早めのスケジューリングが可能になる」，

「誰もが納得できるスケジューリングが可能になる」という利点が実現可能だと考える

GAとはWhat GA

GA(Genetic Algorithm)遺伝的アルゴリズム

データを遺伝子で表現した個体を複数用意し適応度の高い個体を優先的に選択して

交叉・突然変異等の操作を繰り返しながら解を探索するアルゴリズム

GAの流れFlowchart of GA

i ：世代番号

i 世代{

評価Evaluation

個体の適応度の評価を行なうここで作られた適応度 (fitness) は

選択の際に使用される

選択Selection

① ルーレット選択② 期待値戦略③ ランク戦略④ エリート保存戦略⑤ トーナメント選択戦略

ルーレット選択

ルーレット選択

範囲が広いものほど適応度が高い

適応度 (fitness) が高い個体ほど次世代に遺伝しやすい！

交叉Crossover

① 一点交叉（単純交叉）2 つの遺伝子を選び出し交叉点を 1つ決めその前と後で，どちらの親の遺伝子型を受け継ぐかを変える方法

1 11 0 0A

0 01 1 0B

交叉点

① 一点交叉（単純交叉）2 つの遺伝子を選び出し交叉点を 1つ決めその前と後で，どちらの親の遺伝子型を受け継ぐかを変える方法

1 1

1 0 0A 0 0

1 1 0B

② 複数点交叉2 つの遺伝子を選び，交叉位置が複数ある方法③ 一様交叉交叉時にマスクをかけてそれによってどちらの親に受け継ぐかを決定する方法④ その他の交叉部分一致交叉・順序交叉・周期交叉などがある

今回は…一点交叉を使用

突然変異Mutation

遺伝子を一定の確率で変化させる操作

突然変異率を大きくする→ 優秀な遺伝子を破壊してしまう可能性が出てくる！

1 0 0 0 0A 1 1 0 0 0

TSPとはWhat TSP

TSP(Traveling Salesman Problem)巡回セールスマン問題

都市間の巡回コストが平面上のユークリッド距離 (*1) によって与えられる巡回セールスマン問題を考える

解候補となる巡回路ツアーと呼び，ツアーに即した巡回コストの総和である目的関数として設定する

(*1) 人が定規で測るような二点間の「通常の」距離のこと遺伝的アルゴリズム 1, 北野宏明編 ,産業図書 ,p.3引用

https://ja.wikipedia.org/wiki/%E8%B7%9D%E9%9B%A2

A

BC

D

E

F

初期世代個体

最低限のコストで最短ルートをセールスマンは歩きたい！！

でもこれはスマートじゃない！

最低限のコストで最短ルートをセールスマンは歩きたい！！

でもこれはスマートじゃない！？

A

BC

D

E

F

最終個体

流山 TSPNagareyama-TSP

流山市のオープンデータはこちら！http://www.city.nagareyama.chiba.jp/dbps_data/_material_/localhost/aed2.csv

http://www.city.nagareyama.chiba.jp/dbps_data/_material_/localhost/aed2.csv


もろもろプログラミング…


最近流行りの” Python” という言語パイソン



あるミスをすることでその後の進捗を脅かす！


結果Result




世代を追うごとに理想個体へ進化していく


適応度 (fitness)

ここで進化が止まった＝最適解ではないのか！？



距離

1/fitness(逆数 ) をとることで距離が出る！ここの値が最短距離ではないのか！？

あくまでも計算結果なので誤差はあります


km と考えるとわかりやすいかも


まとめSummary

進化計算の GA の基本的な流れを紹介した　　

進化計算の GA の基本的な流れを紹介したTSP を GA での解法について挑戦し，

進化の過程を表現することができた

課題Challenge

GA の基礎からスケジューリングへの適用　　

GA の基礎からスケジューリングへの適用DE などの他の進化計算の勉強

　

GA の基礎からスケジューリングへの適用DE などの他の進化計算の勉強GitHub の緑タイルを毎日塗る

@iori_n掲載許可済

終わりfin

【ブログ用】流山市の地理データを利用したtspからの導入

Education