| 授業の目的 【日本語】 | | | 複雑系科学のみならずシミュレーションに用いられる遺伝的アルゴリズム，セル・オートマトン，粒子群最適化法，ニューラルネットワークなどの技法を創発コンピューティングと称することにする。受講生は，これらの技法の基礎について学習し，説明できるようになる。 |
|
|
| 授業の目的 【英語】 | | | Emergent computing includes the evolutionary computation such as Genetic algorithm and Genetic Programming, Cellular Automaton simulation and the swarm intelligence such as Particle Swarm Optimization. In this class, the theory and the simple application of the emergent computing algorithms is introduced. |
|
|
| 到達目標 【日本語】 | | | 複雑系科学のみならずシミュレーションに用いられる遺伝的アルゴリズム，セル・オートマトン，粒子群最適化法，ニューラルネットワークなどの技法を創発コンピューティングと称することにする。本講義では，これらの技法の基礎について学習することを目的とする。 |
|
|
| 到達目標 【英語】 | | | Emergent computing includes the evolutionary computation such as Genetic algorithm and Genetic Programming, Cellular Automaton simulation and the swarm intelligence such as Particle Swarm Optimization. In this class, the theory and the simple application of the emergent computing algorithms is introduced. |
|
|
| 授業の内容や構成 | | 創発コンピューティングで用いる各種の技法について講述する。
具体的には，代表的な進化的計算法である遺伝的アルゴリズム（GA）とその応用手法としてのベイジアン最適化法（BOA），実数値GA，遺伝的プログラミング（GP）と
関連手法としての文法進化（GE），離散系シミュレーション手法としてのセル・オートマトン，群知能とそれに基づく最適化手法である粒子群最適化法（PSO）や
アントコロー最適化法（ACO），ニューラルネットワークと深層学習等である。
〔計画〕
1. イントロダクション
2. 遺伝的アルゴリズム
3. 遺伝的プログラミング
4. セル・オートマトン
5. 粒子群最適化法
6. ニューラルネットワーク
7. 総括 | 1. Intorduction
2. Genetic Algorithm
3. Genetic Programing
4. Cellular Automaton
5. Particle Swarm Optimization
6. Neural Network |
|
|
| 履修条件・関連する科目 | | |
|
| 成績評価の方法と基準 | | | レポート60%，最終レポート40%で評価し，合計100点満点で60点以上を合格とする。履修条件は要さない。 | |
|
|
| 教科書・参考書 | | | 毎回の講義ごとに，講義資料をパワーポイントの印刷物として配布する。 | |
|
|
| 課外学習等（授業時間外学習の指示） | | |
|
| 授業開講形態等 | | |
|
| 遠隔授業（オンデマンド型）で行う場合の追加措置 | | |
|