[論文レビュー] What you always wanted to know about genetic algorithms but were afraid to hear

Tommaso Toffoli|ArXiv.org|Jul 11, 2000

Evolutionary Algorithms and Applications参考文献 18被引用数 7

ひとこと要約

この論文は、遺伝的アルゴリズム（GAs）が工学的設計で性能を発揮しないのは、技術的制限によるのではなく、そのコアなメカニズム—適応的進化—が、固定目標の最適化ではなく、オープンエンドで動的な環境でこそ花を咲かせるからである。著者らは、GAsが偶然的・探索的発見には優れているが、フィットネス関数が静的で制約のある契約型設計では失敗すると主張する。

ABSTRACT

In spite of their seemingly "obvious" virtues as a search strategy, genetic algorithms have ended up playing only a modest role as design tools in science and engineering. We review the reasons for this apparent failure, and we suggest a more relaxed view of their utility.

研究の動機と目的

• 理論的には魅力的であるにもかかわらず、遺伝的アルゴリズムが工学的・科学的設計分野で主流となっていない理由を説明すること。
• 自然進化が複雑な適応を生み出したのに対し、GAsが意図的・目的指向の設計タスクで限界に直面する理由を対比すること。
• GAsが工学的文脈で失敗する原因が、進化的メカニズムと固定・事前定義された目的との間にある内在的な設計的不整合に起因することを主張すること。
• GAsの有用性を、制約付きの最適化駆動の設計ではなく、オープンエンドで探索的な探索に適していると再定式化すること。
• 進化的メカニズムを工学的スタジオに直接移植可能であるという仮定に疑問を呈すること。環境のダイナミクスやフィードバック構造の違いを考慮しないと、その移植は成立しない。

提案手法

• 解が文字列として符号化され、選択・交差・突然変異を経て集団が進化し、問題固有の関数によってフィットネスが評価される、標準的な遺伝的アルゴリズムの枠組みを分析する。
• 自然進化（フィットネス関数が動的かつ共進化する）と、工学的GAs応用（フィットネス関数が固定され外部から強制される）を対比する。
• 共進化的対立（例：捕食者・被捕食者ダイナミクス）が自己制限型正のフィードバックを引き起こし、偶然的設計（accidental design）を生み出すという概念を導入する。
• オペアンプのような工学的フィードバックループのアナロジーを用いてGAsを一般的な最適化ツールとして位置づけるが、固定目標条件下ではこのアナロジーが崩壊すると主張する。
• 環境変化のダイナミクスを検討し、3つの状態に区分する：緩やかな変化（主要な適応なし）、急激な変化（絶滅）、中程度で振動する変化（持続可能な進化）。
• 長期的な進化速度は安定または混沌とした環境ではなく、集団の進化に応じて変化するフィットネス関数を持つ共進化系で最大になるという主張。

実験結果

リサーチクエスチョン

• RQ1 理論的魅力は大きいにもかかわらず、遺伝的アルゴリズムが工学的・科学的設計で期待に応えられないのはなぜか？
• RQ2 自然進化プロセスと、工学的文脈で遺伝的アルゴリズムが応用される方法との間に、根本的な違いは何か？
• RQ3 工学的応用におけるフィットネス関数の静的性質が、遺伝的アルゴリズムの適応的潜在能力をどのように制限するか？
• RQ4 どのような条件下で進化的プロセスが高いイノベーション率を達成できるのか？ そして、なぜこれらの条件が一般的なGAs応用には欠けているのか？
• RQ5 遺伝的アルゴリズムと自然進化を設計パフォーマンスの観点から比較可能か？ もしそうなら、どのような条件下で可能になるか？

主な発見

• 遺伝的アルゴリズムは、固定目標の工学的設計では性能を発揮しない。その理由は、工学的設計で使われる静的フィットネス関数が、自然進化の動的かつ共進化するフィットネスランドスケープと矛盾するからである。
• 自然進化が高水準のイノベーション率を達成するのは、安定または混沌とした環境ではなく、フィットネス関数が集団の進化に応じて変化する自己持続的共進化的対立（例：武器レース）のおかげである。
• 長期平均の進化速度は拡散プロセスによって制限され、環境変化率の平方根に比例する。このため、持続的な高速進化は稀である。
• 共進化系では、正のフィードバック（例：武器レース）が自然に自己制限される。例えば、爪があまりに効果的になると被捕食者がいなくなり、選択的優位性が低下する。このため、持続的かつ急速な進化が可能になる。
• 遺伝的アルゴリズムは、固定された目的を最適化するツールとしてではなく、目的が事前に定義されていないオープンエンドな探索のための探索的メカニズムとして最も効果的である。
• GAsが工学的文脈で失敗するのは、実装上の欠陥や計算能力の不足によるのではなく、進化の適応的メカニズムと契約型設計の制約との間にある根本的な不整合に起因する。