平成 26 年度修士論文概要連続平面上における追跡問題へのスワームロボティクスアプローチ M136510 野村冬星 [背景・目的] スワームロボティクスシステム（Swarm Robotics System:SRS）は比較的均質かつ単純な複数台のロボットを用い，局所的な知覚から，群行動の創発を目的とするシステムである．進化計算を用いてロボットの制御器を構築する手法は進化ロボティクス（Evolutionary Robotics:ER）と呼ばれ，SRS 等の複雑な環境下において，設計者の負担を軽減する効果があると期待される．SRS に制御器としてよく用いられる人工神経回路網（Artificial Neural Network:ANN）に進化計算を適用し，結合荷重値のみならず，構造も進化の対象に含める手法を構造進化型人工神経回路網（Topology and Weight EANN:TWEANN）と呼ぶ．本研究では TWEANN によって SRS 用の制御器を構築することを目的とする．その際，構造進化の種類を変えながら実験をし，各手法の比較を行う． [実験設定] TWEANN において，構造複雑化，構造単純化，複雑化-単純化混合手法の 3 種類の手法で実験を行う．各手法について，5 試行，100 世代，50 個体で実験を行う．複雑化と混合手法を用いた実験では，初期個体として入力層と出力層のフィードフォワード 2 層構造を使用し，単純化では，複雑化と混合手法で得られた最良個体を組み合わせた構造を初期構造とする． [計算機実験] SRS のタスクとして，10 台の Predator と 2 台の Prey が存在する追跡問題を取り扱う（Fig.1）．Predator にコントローラとして ANN を搭載し，これを進化計算によって構築する． [結果・考察] 各手法における最終世代の最良個体が獲得した，適応度と構造サイズの平均を (Table.1) に示す．ここで，構造サイズとは ANN のノード，リンク数の合計である．構造複雑化のみを用いた手法に対し，構造単純化や混合手法を用いた方が適応度，構造サイズともに良質な結果を示した． Table. 1: Fitness calculation Complexificy Simplificy Fitness 1341.48 2117.55 StructuralSize 472.2 390.6 Blended 2105.99 390.4 Fig. 1: Pursuit Problem