進化計算とは、生物の進化の仕組みを模倣して最適な解を探索する計算手法の総称です。突然変異や交叉、自然選択のプロセスをコンピュータ上で再現し、複雑な最適化問題や機械学習のハイパーパラメータ調整などに広く活用されています。
進化計算とは
一言でいうと進化計算とは、生物の進化プロセスをコンピュータ上で模倣し、試行錯誤を通じて最適な解を見つけ出すメタヒューリスティクス手法のことです。
詳しく解説
進化計算は、ダーウィンの進化論における「生存競争」「遺伝」「突然変異」といった概念をアルゴリズム化したものです。初期集団としてランダムに生成された多数の候補解を用意し、それぞれの適応度（性能）を評価します。優れた解を残して次世代へ遺伝子を引き継ぐ選択を行い、交叉や突然変異によって新しい解を探索します。これを世代交代として繰り返すことで、人間では設計が難しい複雑な問題に対しても、大域的な最適解やそれに準ずる良い解を効率的に見つけることができます。
具体例・使われ方
具体的な利用例としては、工学分野におけるトポロジー最適化（ドローンやロケットの構造部材の軽量化デザイン）、物流における巡回セールスマン問題の効率的な経路探索、自動運転車における制御ルールの最適化、さらに深層学習のネットワーク構造を自動設計するNAS（Neural Architecture Search）などが挙げられます。
似た用語との違い
勾配降下法などの数理最適化手法が数学的な微分情報を用いて局所的な最適解を効率的に探すのに対し、進化計算は微分不可能な問題や非線形な複雑な問題に対しても、集団ベースで大域的に探索できる点が異なります。
注意点
進化計算の主な注意点として、厳密な最適解を保証するものではなくあくまで確率的な近似解であること、評価関数の設計が不適切だと望まない解に収束してしまうこと、そして多くの候補解を評価するため計算コストが非常に高くなりやすいことが挙げられます。