概要 遺伝的アルゴリズムって名前は聞くけど、そういえば実装したことなかったなと思い、Pythonで実装してみました。 特に目新しい要素はないですが、自分のメモの為に書いておきます。 遺伝的アルゴリズム 遺伝的アルゴリズムは、ある問題に対する解の候補を遺伝子に見立て、それを交叉したり突然変異させたりして最適解を求めるアルゴリズムです。 既に様々な研究が行われている分野なので、詳しい説明はWikipediaの遺伝的アルゴリズムのページを見た方が参考になります。 扱う問題 今回は遺伝的アルゴリズムでOne Max問題を解くためのプログラムを実装しました。 One Max問題と書くと面倒くさそうに見えますが、実際はとても単純で、0と1で表された [1,0,0,1,0] といった配列があった場合、 [1,1,1,1,1] のように配列の中身を全て1にするのがこの問題の目的です。 アルゴリズムの流れ
ASE (Atomic Simulation Environment) には遺伝的アルゴリズム (GA) を用いた安定構造探索の機能が実装されています． 遺伝的アルゴリズムを用いると，バルクやナノクラスターの安定構造を効率的に探索することができます． 公式ドキュメントのチュートリアルを参考に，金属ナノクラスターの構造探索を行ってみます．簡単のためエネルギー計算にはEMT (Effective Medium Theory) を用います． 以下の計算はJupyterLab上で行いました． 初期集団を作成する 化学量論比を指定してランダムな構造を作成します．ここでは25×25×25Aのシミュレーションボックスの中にPt15Au15のクラスターを10個作成しています． import numpy as np from ase.atoms import Atoms from ase.ga.startg
<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4697286630485669538/comment/sangping" data-user-id="sangping" data-entry-url="https://b.hatena.ne.jp/entry/s/togetter.com/li/1654710" data-original-href="https://togetter.com/li/1654710" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Ftogetter.com%2Fli%2F1654710" da
「唯一生き残るのは、変化できる者である！ 生物進化の原理に基づいた最適化手法の 遺伝的アルゴリズムのご紹介」というタイトルで DevelopersIO 2023 に登壇しました！ #devio2023 | DevelopersIO
こんにちは、CX 事業本部のジョン・ヒョンジェです。 2023 年 7/7 ~ 7/8 に DevelopersIO 2023 が開催されました。とても多くのセッションがありましたが、私も「唯一生き残るのは、変化できる者である！生物進化の原理に基づいた最適化手法の遺伝的アルゴリズムのご紹介」というタイトルでサブセッションに登壇することができました！ セッションの概要 登壇者 クラスメソッド CX事業本部 Delivery部 サーバーサイドエンジニア ジョン・ヒョンジェ 唯一生き残るのは、変化できる者である！ 生物進化の原理に基づいた最適化手法の 遺伝的アルゴリズムのご紹介 概要 チャールズ・ダーウィンの進化論を知っていますか？遺伝的アルゴリズムはこの生物進化論をもとにして、生物が環境に適応し進化していく様子を模倣した最適化手法の一つです。このセッションでは、この遺伝的アルゴリズムがどうやっ
前回 今回の目標 前回の反省を活かして遺伝的アルゴリズムを改良し、最適な評価値を求めます。 ここから本編 ヘッダファイル いままでいちいちソースファイルを変更していましたが、よく考えればせっかくクラスを使っているので継承を使いたいと思います。 親クラスがこちら、普通のオセロです。 普通に盤面を表示したり、試合結果を表示したりします。 #ifndef osero_h #define osero_h #include <stdio.h> #include <stdlib.h> #define INT(num) (static_cast<int>(num)) #define DOUBLE(num) (static_cast<double>(num)) typedef unsigned long BOARD; enum class TURN{ black, white }; enum class
はじめに この記事は自分の備忘録として書いているため、わかりにくい場合はご了承ください。 記事の内容 遺伝的アルゴリズムの交叉の中でも特に循環交叉について取り上げます。 循環交叉の仕組み 循環交叉は順列コーディングに使われる交叉の方式です。 ステップ別に分けて解説していきます。 STEP0 まず、親1と親2の遺伝子の配列を以下のように与えます。 親1 =[ 3 , 7 , 2 , 5 , 6 , 1 , 4 ] 親2 =[ 1 , 7 , 3 , 6 , 2 , 4 , 5 ] STEP1 ランダムに1組の数字を決めます。今回は、 親1 =[ 3 , 7 , 2 , 5 , 6 , 1 , 4 ] 親2 =[ 1 , 7 , 3 , 6 , 2 , 4 , 5 ] にしました。 この位置を変えずに子に遺伝子をコピーします。 子1 =[ # , # , 2 , # , # , # , # ]
数週間前、AI /ボットをサポートするPythonで書かれたこの素晴らしいゲームボーイエミュレーターを見つけました。機械学習の知識を利用して、子供時代を悩ませていたゲームのエージェントを作成できるようになったので、とても興奮しました。 この記事では、遺伝的アルゴリズムとニューラルネットワークの簡単な実装を使用して、ゲームボーイで元のテトリスを非常にうまく再生でき、999999と523に設定されている世界記録を破ることができるエージェントを作成する方法を示します。TwinGalaxiesによる行。 最も売れているビデオゲームフランチャイズの1つであるテトリスは、テトロミノのラインをクリアすることによって可能な限り最高のスコアに到達することを主な目標とするパズルゲームです（そうです、それはそれらのピースと呼ばれています）。ゲームのルールは非常に単純ですが、実際にはNP完全問題です[1]。これは
メリークリスマス！遺伝的アルゴリズムの説明動画https://www.youtube.com/watch?v=SO7PJYs467Y百億年かかっても解けない問題http://jbpress.ismedia.jp/articles/-/47988Twitter：https://twitter.com/Physics...
POPなポイントを3行で 遺伝的アルゴリズムでセクシーな画像をつくる そんな実験から生まれた画像がNFTアートに変身 作品名は「Ecchi Pics: the First 10000 Generations」 遺伝的アルゴリズムでセクシーな画像をつくる。 1月に公開されたそんな実験をご存知でしょうか。 「ランダムに生成され続ける2枚の画像のエッチな方を選択していくと、アルゴリズム学習によってだんだんセクシーな画像になっていくのでは？」 そんな問いを確かめる実験です。 遺伝的アルゴリズムで色気のある画像が生成されていく──究極の2択システム どっち......かな？？？？？？？？？？？？？？ うーーーーーーーーーーん、奥が深い。大人の世界。 「密ですゲーム」で話題になった群青ちきんさん 冒頭の画像は、遺伝的アルゴリズムでセクシーな画像をつくるシステムの問題になります（外部リンク）。 こちらを
「クラスタ平均法を組み込んだ遺伝的アルゴリズムによるジョブショップスケジューリング問題の解法」をPython DEAPで実装した 4/5 - Qiita
「クラスタ平均法を組み込んだ遺伝的アルゴリズムによるジョブショップスケジューリング問題の解法」をPython DEAPで実装した 4/5Python遺伝的アルゴリズムdeapジョブショップ・スケジューリング はじめに 平野廣美氏による1995年の論文クラスタ平均法を組み込んだ遺伝的アルゴリズムによるジョブショップスケジューリング問題の解法に記載の方法をPythonのDEAPモジュールを使用して実装した。 今回実装を5章に分けて紹介する。この記事は第4章である。 ジョブショップスケジューリング問題について ジョブショップスケジューリング問題の解表現（←この記事） ジョブショップスケジューリング問題向きの遺伝的操作 DEAPライブラリ メイン処理、実行結果とまとめ なおソースコード全体は以下に置いてある。 なお、論文補足のため同氏による2000年初版の書籍 遺伝的アルゴリズムと遺伝的プログラミ
この記事の目的 本記事では、数理最適化問題でよく出てくる巡回セールスマン問題の簡単な例題について、遺伝的アルゴリズム(Genetic Algorithm, GA)を応用したソルバーであるPythonライブラリの「vcopt」を使用し、解を探ってみます。また、vcoptについて「巡回セールスマン問題に代表される順序の大域最適化」の解き方及び使い方を見てみます。 vcoptって何? ビネット＆クラリティ合同会社( https://vigne-cla.com/ )により開発された、遺伝的アルゴリズム(Genetic Algorithm, GA)を使用した組合せ最適化ソルバーです。Python言語で書かれています。同ソルバーには様々な機能が実装されていますが、今回は順序(並び替え)の大域最適化を求める機能[vcopt().tspGA()関数]で解を求めてみます。 例題 さっそく巡回セールスマン問題
SVRで学習モデルを作って遺伝的アルゴリズム（Platypus）でボストンのデータセットの最適解を求めてみた - Qiita
まず家の価格と部屋の数は結構相関があるんですよね。だから、これをお互いのモデルを作るときに、特徴量からはずすと、精度があがらないような気がします。 後、見てわかるように、家の価格の５０のところにグラフの上ではデータが縦に並んでいます。そこで、家の価格５０以上は除きました。 SVRでの予測で価格と部屋の数の予測結果 まずSVRで学習モデルを作りましたが。。。 ここのアルゴリズムは何でもよくて、サポートベクターでもランダムフォレストでもお好きなもので。 サポートベクターのハイパーパラメーターは、optunaで決定しました。 学習モデル１は、optimised_svr_MEDVに、学習モデル２は、optimised_svr_RMに入れました。 予測結果はこういう感じです。 MEDVの学習精度:0.873 MEDVのテスト精度:0.748 RMの精度:0.628 RMの精度:0.439 確かに家の
16-27. Pythonのsubprocess.Popen()による並列実行でリアルタイム標準出力がしたかった備忘録
twitterアカウントが登録されていません。アカウントを紐づけて、ブックマークをtwitterにも投稿しよう！ 登録する 現在プライベートモードです 設定を変更する
![『GA（遺伝的アルゴリズム）の悲哀 - karaage. [からあげ]』へのコメント](https://cdn-ak-scissors.b.st-hatena.com/image/square/d9d82a4b6901228f71ca608c9a207b7a3d6f4599/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20230101%2F20230101235812.png)
ChatGPTプラスのGPT-4モデルは、簡単なプロンプトでショートストーリーを自動生成することができます。また、プロットを用意すれば、もっと長い小説を生成することもできます。 現在、こうしてGPT-4で生成する小説のクオリティを上げる方法を色々と調べていますが、今回は、その一環として、遺伝的アルゴリズムを利用する方法をテストしてみました。 なお、GPT-4をベースにしたBingでは、現状で以下のレベルの小説を生成できます。 １．遺伝的アルゴリズムの概要遺伝的アルゴリズムに関するGPT-4の説明は以下のとおりです。 (1) 概要遺伝的アルゴリズム（Genetic Algorithm、GA）は、自然界の遺伝と進化のプロセスに基づいた最適化手法であり、人工知能や機械学習の分野で広く利用されています。 遺伝的アルゴリズムは、解の集合（個体）を用いて、目的関数を最適化する問題に対処するための手法で
はじめに 1週間ほど前、社内のチャットで、こんなクロスワードパズルがあるよ！とリンクが流れてきました。 なんじゃ、これは！ おもしろそうすぎる！ さっそく、午後を半休にして、というわけにはいかなかったので、夜にがんばってみました。 やってみるとわかると思いますが、解いているときの感覚は、通常のクロスワードパズルと違って、お絵かきロジック(ノノグラム)や、マインスイーパーをやってるような感じでした。 結局夜にあまり時間が取れず、2晩かけて解いたのですが、ふと、こんなの、遺伝的アルゴリズムとかで推測させれば楽勝じゃね? という考えが浮かび、試してみました。 設計方針 得意なPythonで書き直そうかとも思ったのですが、画面でうにょうにょ動く方が楽しそうなので、元のソースを改造してみることにします。 遺伝的アルゴリズムとは Wikipediaによると、 あらかじめ N 個の個体が入る集合を二つ用
遺伝的アルゴリズム、完全に理解した - Qiita
はじめに この記事は完全に理解したTalk Advent Calendar 2020の6日目の記事です。 ぶっちゃけQiita様に挙げられるような実用的な話ってあまり持っていない身なのですが、星影さんから下記のようなメッセージを頂いたのでトライしてみることにしました。 一般受けとか気にせずOKなので、ぜひお願いします🤗 — 星影 (@unsoluble_sugar) November 17, 2020 Qiitaは完全に今までROM専だったため、この記事が初投稿になります。Markdownでサクサクかけてめっちゃ便利ですね。不謹慎な記事を上げていいならTumblrから移りたいレベル。 さて、本日私が完全に理解したのは、遺伝的アルゴリズムです(Uber Eats風)。 Wikipedia先生による簡潔な説明は以下の通りです。 遺伝的アルゴリズム（いでんてきアルゴリズム、英語：genetic
前書き 初めまして、機械学習好きの学生です。前回に引き続き、遺伝的アルゴリズムの紹介になります。 ここではいきなり実践から入りますので、先に、「遺伝的アルゴリズム～理論編～」を参照してくだされば理解につながるかと思います。 追記：使用言語 python (内包表記含む) やってみよう さあ、Pythonを使って実際にGAというものを動かしてみましょう。ここでは、Pythonの基礎知識はすでにあるものとして進めていきます。関数は使用しますが、説明が混沌となるのでクラスは使わないでおきます。 ONEMAX問題 具体的に何をするのか。 よくある例として、ONEMAX問題が取り上げられますね。これは、 ｛1，0，0，1，0，1，1，1，0，0｝ のように、ランダムに「1」か「0」で構成された配列から、 ｛1，1，1，1，1，1，1，1，1，1｝ というすべて１の配列をどのように作り出すか、というも
見た瞬間「アレじゃん」なったわ。知らない世代が出てきたのは良い事だけど、こうやって掘り返されるんだな。MicrosoftのAIがネオナチの極右に調教された様に、こういう性善説ベースの実験は悪意に弱いねんな…
ディープラーニングの課題 最近、仕事でディープラーニングやってますが、結局over fitting（過学習）やunder fitting（未学習）との戦いに終始してしまう毎日を過ごしてます。 ネットワークの構成や各層のチャネル数、dropout有無やその率、optimizerの種類やlr（学習率）、weightDecay（L2ノルム）の値、等々調整すべきものはハイパーパラメータと呼ばれるものも含めて数多くあり、それらのベストな組み合わせを見つけるのは至難の業。 これらのベターな組み合わせ（ベストではない）を遺伝的アルゴリズムで解くという論文は既にいくつか出ているようだけど、PfGA（パラメーターフリー遺伝的アルゴリズム）で実現した記事を発見できなかったので、備忘録としてアップしておきます。 遺伝的アルゴリズムの詳しい説明は省略しますが、ディープラーニングのハイパーパラメータなどを遺伝子と見
概要 遺伝的アルゴリズム(Genetic Algorithm: GA)については遺伝的アルゴリズム編を見てください。 前の記事では潜在的に離散値を対象としていましたが、連続値(実数)を対象に拡張されたGAがあるので実装してみました。 参考：実数型GAに於ける交叉法の改良 実数値への拡張 変更箇所は交叉の仕方です。 GAの一様交叉では親の情報をそのまま引き継ぎます。 しかし実数を考えた場合、細かい調整ができないことがわかると思います。 例えば親の遺伝子が1と2で最適解が1.5の場合、普通のGAでは子はどう頑張っても1と2の値しかとりません(突然変異を除く) 実数を考慮して交叉する手法を紹介します。 BLX-α交叉 簡単に言うと親個体からα倍大きくなった範囲内でランダムに子を生成する方法です。 親個体の各座標成分を$x1_i$、$x2_i$とした場合、 $$ x_{min} = min(x1_
14-22. 【ハマごはん vs まるみキッチン】卵の黄身が大きいのはどちらか？（vcclick、決定木、Opencvを活用した物体検出）（前編）
遺伝的アルゴリズムというギミックと、「神は沈黙せず」という小説、あるいは山本弘という作家は、案外、相性が悪かったのでは？という雑考｜ガジくん(獣脚類ズケンティラヌス)
遺伝的アルゴリズムというギミックと、「神は沈黙せず」という小説、あるいは山本弘という作家は、案外、相性が悪かったのでは？という雑考 良く顔を出してるSFファンの集まりで、先日亡くなった作家の山本弘さんの著書の読書会をやろうと云う事になった。 課題図書は、星雲賞を受賞した「去年はいい年になるだろう」に決ったが、他にも、同氏の著書でオススメのモノが有れば、各自、紹介しようって話と相成った。 で、個人的には「去年はいい年になるだろう」と並ぶ同氏の代表作「神は沈黙せず」について言いたい事が色々と有るのだが……以下は、その「言いたい事」に関する、とりとめもない雑文である。 齢がバレるが、山本弘氏の小説「神は沈黙せず」が出た時には、私は既に大学の修士過程までを終えて社会人になっており、大学に居た頃は工学部の情報系だったのだが……今にして思えば……と言うか、学生の頃の記憶でも、何とも変な研究室に所属して
今日の動画でも発表しましたが、#銀の盾 届きました！✨ 本当に、感激でございます😂 みなさん、ここまで応援くださり、ありがとうございました😭(終わらないよ笑) pic.twitter.com/vQHgpbyDMQ — タザキ@YouTube登録10万人｜聞いて分かる投資教室ch (@tazaki_youtube) February 16, 2022 【初月無料】投資本も豊富な電子書籍読み放題サービス https://www.youtube.com/redirect?event=video_description&redir_token=QUFFLUhqbHZaSjBicTB4Vk5MR3V1d3dTYkQ0VDlucGtmUXxBQ3Jtc0ttUlBiaFlwVmNyd2JYVnhrSlVzU2FpUXc1VDRhZml2Z0ZwME4wSjd3ZU1HbUllRm5rakdEdk5
遺伝的アルゴリズムで組み合わせ最適化問題も解ける 前回は遺伝的アルゴリズムで関数の最小値を求めました。 >> 【意外と簡単！】遺伝的アルゴリズムで最小値問題を解く様子をExcelでわかりやすく 今回は組み合わせ最適化問題を解いてみます。 例題は以前の記事で取り上げた以下の例を使います。 >> 【具体例で実演！】人材配置の組み合わせ最適化問題をエクセルマクロVBAで解く ある物流センターでは、物流加工で4つの工程があります。 各工程1人ずつで受け持ち、毎日合計4人必要です。 今まで延べ7人がこの作業を行ったことがあり、各人の作業生産性（個／時間）と時給は次の通りです。 センター長は、そろそろスタッフを固定したいと思っています。 全体の生産性は一番生産性の悪い工程（ボトルネック）で決まります。 この時、全体の生産性を70以上にしながら、総時給が7,000円以内に抑えられるようにするには、どの工
Platypusで整数と実数を同時に使うと Platypusで、整数を使う時はInteger、実数を使う時はRealを使って設定をしますが、両方を一緒に使うと次のエラーが出ます。 PlatypusError: must define variator for mixed types なんか、variatorを定義しなさいと言うのですが、日本語のサイトには情報がありません。皆さんどちらかだけを使った例を書いています。 でも、実際には、整数と実数が混ざって使いたいことはよくあると思うのですが、エラーが出てどうしようもありません。 Platypusに書く魔法の呪文 いろいろ探していたら元々のGithubの英語のサイトに答えがありました。 いろいろ書いてあるのですが、たぶんこれをalgorithmの中に書くだけで動くようです。 variator=CompoundOperator(SBX(), HU
「クラスタ平均法を組み込んだ遺伝的アルゴリズムによるジョブショップスケジューリング問題の解法」をPython DEAPで実装した 2/5 - Qiita
「クラスタ平均法を組み込んだ遺伝的アルゴリズムによるジョブショップスケジューリング問題の解法」をPython DEAPで実装した 2/5Python遺伝的アルゴリズムdeapジョブショップ・スケジューリング はじめに 平野廣美氏による1995年の論文クラスタ平均法を組み込んだ遺伝的アルゴリズムによるジョブショップスケジューリング問題の解法に記載の方法をPythonのDEAPモジュールを使用して実装した。 今回実装を5章に分けて紹介する。 今回実装を5章に分けて紹介する。この記事は第2章である。 ジョブショップスケジューリング問題について ジョブショップスケジューリング問題の解表現（←この記事） ジョブショップスケジューリング問題向きの遺伝的操作 DEAPライブラリ メイン処理、実行結果とまとめ なおソースコード全体は以下に置いてある。 なお、論文補足のため同氏による2000年初版の書籍 遺
大学の授業で遺伝的アルゴリズムの話題が出たので、C#を使って遺伝的アルゴリズムを実装してみました。といっても、実装するのは初めてで原理もよくわかっていなかったので、こちらのサイトにあるソースコードを参考に作ってみました。 www.sist.ac.jp 遺伝的アルゴリズムはいくつか種類がありますが、これはルーレット選択 + 一点交叉 + 突然変異を組み合わせたものです。 流れとしてはこのようになっています。 適当な遺伝子配列をつくる その遺伝子配列の評価を行う ルーレット選択によって値を決める 一点交叉で遺伝子配列の一部を入れ替える 突然変異で遺伝子配列の一部を変更 評価を行い、以前の評価値より高い遺伝子配列を残す 3 ~ 6 を繰り返し、指定した世代まで行う ソースコード 元のサイトではナップザック問題を解いていますが、私が作ったのは「決められた金額と個数で、購入金額の合計を最大にする商品
エキスパートアドバイザの自己最適化：進化的遺伝的アルゴリズム
目次 概論 1. 進化的アルゴリズム登場の歴史 2. 進化的アルゴリズム（メソッド） 3. 遺伝的アルゴリズム（GA） 3.1. 適用範囲 3.2. タスク 3.3. 古典的遺伝的アルゴリズム 3.4. 検索戦略 3.5. 古典的最適検索との違い 3.6. 遺伝的アルゴリズムの用語 4. 遺伝的アルゴリズムの特長 5. 遺伝的アルゴリズムの欠点 6. 実験 6.1. 予測変数の最適な組み合わせの検索tabuSearchの使用6.2. 取引システムの最適なパラメータの検索：rgenoud(Genetic Optimization Using Derivatives)の使用SOMA( Self-Organising Migrating Algorithm)の使用GenSA( Generalized Simulated Annealing)の使用 7. 質の指標を改善する方法と手段 まとめ 概論
科学に佇むｻﾝｸｺｽﾄ 📚 @endBooks 以降急速に劣化が進んでたけど、ついに顔もオッパイも消失 人が減りすぎて、自動巡回とかでポチらせてる無脳入力派のほうが勝っちゃったのかな 遺伝的アルゴリズム pic.twitter.com/rzUUdbNywv 2021-04-26 11:45:44
(Ǝ)ɐsıɥıɥso⅄ ouɐɓnS @koshian あいやー、参加者が減るってのは環境が甘くなるってことかねえ。そうすると遺伝的アルゴリズムもうまくいかなくなるのか。 / “科学に佇むｻﾝｸｺｽﾄ on Twitter: "以降急速に劣化が進んでたけど、ついに顔もオッパイも消失 人が減りすぎて、自動巡回とかでポチらせてる無…” htn.to/GbB7VQXWum 2021-04-26 15:10:51
遺伝的アルゴリズムちゃんの概要 遺伝的アルゴリズムちゃんとは、群青ちきん氏が2021年1月に開始した「遺伝的アルゴリズムで最高にエッチな画像を作ろう！」という企画で生成されかけた美少女図像のことである。 二枚の画像のうち、どちらがより性的だと思うかを人間に選択させ、遺伝的アルゴリズムという機械学習の処理を通すことで、人間の選択を反映した「次の二枚の画像」を生成する。これを数万回繰り返すことで、「最高にエッチな画像」が生まれると期待された。企画の目標は、このシステムが置かれたwebサイトがGoogleによって「露骨に性的なコンテンツ」と判定されて広告を停止されることで、企画開始から一ヶ月でこの目標に達した。その後も企画は続けられたが、自動でランダムに選択するプログラムや実写の写真に寄せようとするプログラムの介入を受け、同年9月に企画を終了している。
以前話題になった、遺伝的アルゴリズムで作るエッチな画像について、顔やおっぱいがなくなったとのこと。原因としては、参加人数が少なくなり、bot等しか参加しなくなったためではないかとも言われている。「進化の終焉まで再現された」ともいわれている。なお、現在顔とおっぱいは少し戻ってきた模様（Togetter）。
ブックマークしました ここにツイート内容が記載されます https://b.hatena.ne.jp/URLはspanで囲んでください Twitterで共有
『「遺伝的アルゴリズムで最高にエッチな画像を作ろう！」がまるで意思があるかのように1日で大きな変貌を遂げてしまう→その原因も判明する』へのコメント
botを使った特定の意思による介入を「インテリジェントデザイン」って呼んでるのが今回の話で一番おもしろかった。
3つの要点 ✔️ CNNを進化させるための計算効率の良いGAを開発 ✔️ FashionMNIST・ MNISTで検証し、競合16手法のうち12手法の精度を上回る ✔️ 従来は 数日以上かかっていた最適化を 1日以内に圧縮することに成功 gaCNN: Composing CNNs and GAs to Build an Optimized Hybrid Classification Architecture written by Raphael de Lima Mendes; Alexandre Henrick da Silva Alves; Matheus de Souza Gomes; Pedro Luiz Lima Bertarini, Laurence Rodrigues do Amaral (Submitted on 28 Jul 2021) Comments:Published
進化計算ライブラリDEAPとPythonのWEBフレームワークStreamlitを使って、文字列を入力すると遺伝的アルゴリズムでゼロからその文字列を当ててくれるアプリを作りました。 数理最適化の理論的な話をしたり、ゴリゴリ実装するような記事ではないので、ぜひライトな気持ちで読んでいただけると嬉しいです。 作ったもの アプリへのリンクとソースコードはそれぞれこちらです（アプリはスリープしてる可能性があるので、アクセス後に少し待ってみてください）。 ソースコードを見ていただけるとわかりますが、アルゴリズムや画面の実装などがすべてPythonで完結し、100行以内に収まっています。 DEAPはちょっとした最適化アルゴリズム実装に、Streamlitはプロトタイプ作成＆公開にとても便利で、どちらも比較的気軽に試せるものなので、興味のある方はぜひ触ってみてください。特にStreamlitは、これを読
遺伝的アルゴリズムについて、基本的で簡単なところを勉強として書いていきます。 理解を深めるために遺伝的アルゴリズムを実際にPythonでコードを書いて、いくつか問題を解く形で動かしていきます。 遺伝的アルゴリズムとは 英語ではgenetic algorithm。初出は1975年、ミシガン大学のジョン・H・ホランド教授によって提案されたそうです。 遺伝的アルゴリズム - Wikipedia ジョン・H・ホランド - Wikipedia ある程度、各個体で個別となる属性を持たせた「遺伝子」「染色体」扱いの要素を大量に生成し、ランダムな要素を絡めつつ目的とする問題に対して良い成績が出るまで次世代の生成を繰り返すアルゴリズムです。 ダーウィンの進化論のように（うまく生き残るかために適合できた個体が生き残るかのように）、運よく問題に対してうまく適合した要素を中心に次世代に残したり、そのうまくはまった
１．定義 遺伝的アルゴリズム（genetic algorithm、略称：GA）とは、1975年にミシガン大学のジョン・H・ホランド（John Henry Holland）によって提案された近似解を探索するメタヒューリスティックアルゴリズムである。計算機科学とオペレーションズリサーチで遺伝的アルゴリズムはより大きな進化的アルゴリズムのクラスクラス（Evolutionary algorithm、略称：EA）に属する自然選択のプロセスに触発されてメタヒューリスティック。4つの主要な進化的アルゴリズムの一つであり、その中でも遺伝的アルゴリズムは最も一般的に使用されている。ダーウィンの進化論に基づいて、生物突然変異や交叉や選択などを使って、遺伝的アルゴリズムは最適化および検索問題に対する高品質の解決策を生成するために使用される。 ２．アルゴリズムの流れ 4つの主要ステップがある： ソリューションを暗
「脇毛を生やそうとする勢力」「これはソックス」腕が生えずミロのヴィーナス状態に『遺伝的アルゴリズムでエッチ画像シリーズ』ついに7500世代目へ (6ページ目)
ルイ#381 @louis_381_ 守るべきエッチな要素（髪、両目、口、輪郭、乳房、乳首、腹部、ヘソ、腰、太もも）が多すぎて、膝下や腕を形成出来ない。 腕を生やそうとすると、どこかが崩壊しそうになる。それを防ぐために守りを固めると腕が消える。 突然変異率をもっと下げないと腕は生えないな。 #エッチ画像育成記録 pic.twitter.com/wddJeSR6wX 2021-01-25 23:32:03
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
遺伝的アルゴリズムの実装 - SHIROBAKO大好き人間のブログ
遺伝的アルゴリズムを用いて金属ナノクラスターの安定構造を探索する - Qiita
『遺伝的アルゴリズムでエッチな絵を作る試み、ついにどこからどう見てもセクシーなお姉さんが出現』へのコメント
コンピュータとオセロ対戦22 ～遺伝的アルゴリズム、改善～ - Qiita
遺伝的アルゴリズムの循環交叉について - Qiita
遺伝的アルゴリズムでテトリス（GB）の世界記録を破る
クリスマスにサンタさんがプレゼントを運ぶのに最適なルートを遺伝的アルゴリズムで求めてみた【巡回セールスマン問題】
100万人の性的嗜好がNFTアート化 遺伝的アルゴリズムで生まれた画像の価値は？
遺伝的アルゴリズム(GA)とそのライブラリ(vcopt)で巡回セールスマン問題を解く - Qiita
9-5. 遺伝的アルゴリズム（vcopt）でタイプ相性が最強のポケモン3匹を決める
『GA（遺伝的アルゴリズム）の悲哀 - karaage. [からあげ]』へのコメント
遺伝的アルゴリズムを使ってGPT-4でホラー小説を自動生成｜IT navi
正規表現クロスワードを遺伝的アルゴリズムで解こうとしてあきらめた話 - Qiita
Pythonによる人工知能入門２ 「遺伝的アルゴリズム～実践編～」 - Qiita
『「遺伝的アルゴリズムでエッチな画像を作ろう！」突然のサービス終了 最終画像を見た瞬間に全てを察する』へのコメント
パラメーターフリー遺伝的アルゴリズムでディープラーニングのハイパーパラメータを解く - Qiita
最適化アルゴリズムを実装していくぞ（実数型遺伝的アルゴリズム） - Qiita
9-12. 遺伝的アルゴリズム（vcopt）でニューラルネットの騙し画像を作る（モザイク画像編）
海外移住8年目！海外移住を考えている方へのアドバイス！／有名個人投資家の「勝つ投資」|「勝つ投資 負けない投資」／【罪悪感不要】170万円節約出来た値引き体験談6選を大公開！／【最重要】初心者でもできる、暴落中の戦略？／【兆候】遂に金の時代到来か⁉︎／【米国株 2/17】戦争回避は買いじゃない！実は失速寸前..／遺伝的アルゴリズムでシフト表作成 Pythonコード公開!!／地震保険は大きな味方！【不動産投資】支払い限度額とは？2度目は下りるのか？緊急性が高いから優遇されている○○とは？｜不動産投資家ルカ｜
Excelを使って遺伝的アルゴリズムで組み合わせ最適化問題を解いてみる。 | ロジギーク
Platypus(遺伝的アルゴリズム)で整数と実数を一緒に使う魔法の呪文 - Qiita
【C#】遺伝的アルゴリズムを実装してみた - たくのろじぃのメモ部屋
どうしちゃったの！？遺伝的アルゴリズムで作るエッチな画像から顔もおっぱいも消失「進化の崩壊まで再現された」 (2ページ目)
「遺伝的アルゴリズムで最高にエッチな画像を作ろう！」プロジェクト、それから……。
twitterアーカイブ＋：遺伝的アルゴリズムちゃんに寄せて、単調と点｜操刷法師
遺伝的アルゴリズムで作るエッチな画像、顔もおっぱいも消失してしまう | スラド IT
『「遺伝的アルゴリズムでエッチな画像を作ろう！」突然のサービス終了 最終画像を見た瞬間に全てを察する』へのコメント
gaCNN : CNNのアーキテクチャを遺伝的アルゴリズム(GA) で最適化！
DEAP×Streamlitで遺伝的アルゴリズムのアプリを作ってみた - Qiita
Pythonで入門 遺伝的アルゴリズム - Qiita
遺伝的アルゴリズム (Genetic Algorithm) - Qiita