科学技術と共に歩む

1.　ナチュラルコンピューティングと最適化問題
1.1　ナチュラルコンピューティングとメタヒューリスティクス
1.2　最適化問題
1.2.1　1変数の最適化問題の表現
1.2.2　多変数の最適化問題の表現
1.2.3　順序による最適化問題の表現
1.2.4　ビットを用いたときの最適化問題の表現
1.2.5　最適化問題の変換
1.3　計算の複雑さ
1.3.1　多項式時間アルゴリズム
1.3.2　手に負えない問題
1.4　まとめ
演習問題

2.　山登り法
2.1　山登り法
2.1.1　山登り法のアルゴリズム
2.1.2　傾斜法
2.2　線形計画法
2.2.1　不等式制約条件の等式化と基底解
2.2.2　ガウス・ジョルダン法
2.2.3　基底解の表による表現
2.2.4　ピボット行とピボット列の決定
2.2.5　線形計画法のアルゴリズム
2.3　まとめ
演習問題

3.　シミュレーテッドアニーリング
3.1　全探索と局所探索
3.1.1　しらみつぶし法
3.1.2　ランダム探索法
3.1.3　山登り法
3.2　シミュレーテッドアニーリングの概要
3.3　近傍解と受理率
3.4　冷却スケジュール
3.5　収束性
3.6　SAの適用例
3.6.1　巡回セールスマン問題と解表現
3.6.2　近傍解
3.6.3　各パラメータ
3.7　まとめ
演習問題

4.　タブーサーチ
4.1　タブーサーチの概念
4.1.1　タブーサーチの考え方
4.1.2　タブーサーチアルゴリズムの一般形
4.1.3　タブーサーチの概念のまとめ
4.2　タブーサーチの方法論
4.2.1　タブーサーチのための表記法
4.2.2　タブーサーチの単純形式と山登り法
4.2.3　局所探索法
4.2.4　タブーリストの実装
4.2.5　タブーサーチの簡単な例題
4.2.6　願望基準
4.2.7　期待レベルの利用
4.2.8　統合タブー制約と期待レベル基準
4.2.9　有向グラフによる探索の表現
4.3　制約付きMinimum Spanning Tree問題
4.4　TSの改良法
4.4.1　集中化
4.4.2　多様化
4.4.3　タブーリストと戦略的振動
4.4.4　目標分析
4.4.5　候補リスト戦略
4.5　TSの適用と研究動向
4.6　まとめ
演習問題

5.　遺伝的アルゴリズム
5.1　進化の模倣
5.2　アルゴリズムの概要
5.2.1　アルゴリズム
5.2.2　ナップサック問題への適用
5.2.3　遺伝子表現と形質表現（遺伝子の設計）
5.2.4　適応度関数の設定
5.2.5　遺伝オペレータ（交叉，突然変異）
5.3　スキーマ理論
5.3.1　スキーマ長
5.3.2　再生，交叉，突然変異
5.3.3　統合化したスキーマ理論
5.4　遺伝的アルゴリズムの適用
5.4.1　生産計画問題（多変数の最適化問題）
5.4.2　巡回セールスマン問題（順序表現による最適化問題）
5.5　まとめ
演習問題

6.　粒子群最適化法
6.1　単点探索と多点探索
6.2　粒子による解表現と粒子の移動
6.3　PSOのアルゴリズム
6.4　PSOにおけるパラメータ設定
6.5　PSOの適用例　─　関数最適化問題
6.6　まとめ
演習問題

7.　アントコロニー最適化法
7.1　社会性昆虫としてのアリ
7.1.1　アリのうろつき行動と道標フェロモン
7.1.2　ダブルブリッジ実験
7.2　人工アリのモデリング
7.2.1　アリのコロニーの確率モデル
7.2.2　人工アリの定義
7.2.3　最短経路探索問題
7.3　アントコロニー最適化メタヒューリスティクス
7.4　アントコロニー最適化法のTSPへの適用
7.4.1　TSP　　
7.4.2　TSPへのAS（Ant System）の適用
7.4.3　TSPへのMAX‐MIN Ant Systemの適用
7.5　まとめ
演習問題

8.　自己組織化マップ手法
8.1　人工ニューラルネットワークの概要
8.1.1　生物の神経ネットワーク
8.1.2　ニューロンとニューラルネットワークのモデル
8.1.3　ニューラルネットワークの学習
8.2　自己組織化マップ
8.2.1　SOMの基本
8.2.2　SOMの学習アルゴリズム
8.2.3　最適化問題への応用
8.3　局所クラスタリング組織化法
8.3.1　LCOの学習アルゴリズム
8.3.2　最適化問題への応用
8.4　まとめ
演習問題

引用・参考文献
演習問題解答
索引