Programmable Architecture

-Towards Human Interactive, Cybernetic Architecture-

Kensuke Hotta (B.Eng, M.Eng, Msc)
Architectural Association School of Architecture, 2013

プログラマブルアーキテクチャ

ーヒューマンインタラクティブ、サイバネティックアーキテクチャーに向けてー

堀田憲祐(工学学士、工学修士、理学修士),
英国建築協会建築学校

Chapter 3
Methodology

第3章
方法論

3-1 . Introduction

In chapter 3, the key methodologies used in this research are described. Firstly key philosophies, both architectural ideas and from other fields, are presented. Following the key, Engineering tools are introduced. These tools include hardware and software tools, as well as specific algorithms. Finally the use of the Genetic Algorithm (GA) is considered and reviewed in detail.

3-1. 序論

第 3 章では、この研究で使用した主要な方法論について述べる。まず、建築的なアイデアと他の分野の哲学の両方について、主要な哲学を示す。それに続き、エンジニアリングツールを紹介する。これらのツールには、ハードウェアとソフトウェアのツール、および特定のアルゴリズムが含まれる。最後に、遺伝的アルゴリズム(GA)の使用について詳細に検討し、レビューする。

3-2 . Philosophy

3-2-1 . The Philosophy of Programmable Architecture

In parametric architecture, it is not a difficult thing to design an aggregation of one type of component, as long as their edges can touch. A surface can be easily populated with 3D objects. When one takes this sort of design approach it is very important to have in mind 'what kind of performance one is looking for’. Otherwise a designer cannot achieve a constructive (useful/appropriate) solution.

3-2 . 哲学

3-2-1 . プログラマブルアーキテクチャの哲学

パラメトリック・アーキテクチャでは,1種類の部品の集合体を設計することは,それらを縁取ることができれば,難しいことではない。サーフェスには簡単に3Dオブジェクトを配置することができる。このような設計手法を取る場合、「どのような性能を求めるか」を念頭に置くことが非常に重要である。そうでなければ、設計者は建設的な(役に立つ/適切な)解決策を得ることができない。

These component-based and bio-inspired designs have been advocated by Michael Weinstock since the 90’s. 'Fitness Criteria' is the key word used by Weinstock to evaluate these design methodologies. These methodologies, increasingly popular in architectural research especially in the United Kingdom and the United States, have happened because of development of computer aided calculations and design. However, these design methods have existed in traditional forms as well. Architecture has a fixed scale as the human body size is immutable creating a basic component module. In addition, component size is always constrained for convenience of construction.

これらのコンポーネントベースやバイオインスパイアされたデザインは、90年代からマイケル・ウェインストックによって提唱されてきた。ウェインストックがこれらの設計方法論を評価するために使用したキーワードが「フィットネス・クライテリア」である。これらの方法論は、特にイギリスやアメリカでの建築研究において、コンピュータによる計算や設計が発達したことにより、ますます一般的になってきた。しかし、これらの設計方法は伝統的な形態でも存在していた。建築は、人体の大きさが不変であることから、基本的な構成要素であるモジュールが固定されている。その上、建設の都合上、部品のサイズは常に制限されている。

In contrast to these parametric systems, the developed component system is kinetic and thus morphological differentiation is not needed as differentiation occurs through the programmable aspect of the architecture. Due to their visual similarities, frequently PA (programmable architecture) is wrongly taken as Parametric Architecture. These two approaches are slightly different, both at the design system level as well as in their physical modeling (architecture is used here to refer to both a system and a building).

これらのパラメトリックシステムとは対照的に、開発されたコンポーネントシステムはキネティックであり、建築のプログラマブルな側面を通じて差別化されるため、形態学的な区別は必要ない。それらの視覚的な類似性のために、頻繁にPA(プログラマブル・アーキテクチャ)はパラメトリック・アーキテクチャとして誤解される。これらの2つのアプローチは、設計システムのレベルと物理的なモデリングの両方で、わずかに異なっている(ここでは、建築とは、システムと建物の両方を指すものとして使用される)。

The methodology used in Parametric Architecture consists, firstly in preparing the original components like ’the induced pluripotent stem cells’ (iPS cell) and the global shape, then the component is morphed in order to adapt itself locally to the global shape. In contrast in PA, the global final result is more than the resulting morphing and distribution of the components along the global shape. The components are always identical, reacting locally to the global shape deformations. Parametric Architectural methodology has only been recently developed with the availability of computer aided design software (CAD).

パラメトリック・アーキテクチャでは、まず「iPS細胞」のような元の構成要素とグローバルな形状を用意し、そのグローバルな形状に局所的に適応するように構成要素をモーフィングする、という方法論が用いられている。一方、PAでは、グローバルな最終結果は、グローバルな形状に沿った構成要素のモーフィングと分布の結果よりも重要である。コンポーネントは常に同一であり、グローバルな形状の変形に局所的に反応する。パラメトリック建築の方法論は、コンピュータ支援設計ソフトウェア(CAD)の利用可能性に伴い、最近になって開発されたものである。

Thanks to the increasing variety of fabrication technologies, a greater variation of shapes can also be materialized. This parallels the 'differentiated' shapes one finds coming from a single component one finds in the biological realm. Unlike in nature, however, these deformed shapes don’t have unique functions. Thus while it is true that Parametric methodology enables free form design and production, it is difficult to identify any other 'architectural' usefulness apart from the architects’ desire to make unique shapes.

加工技術の多様化により、より多様な形状を実現することができるようになった。これは、生物学の領域で見られる単一の構成要素から生まれる「分化した」形状と類似している。しかし、自然界とは異なり、このように変形した形状には特有の機能はない。このように、パラメトリックな方法論がのデザイン自由な形の設計と生産を可能にしているのは事実であるが、ユニークな形を作りたいという建築家の欲求を除けば、それ以外の「建築」としての有用性を見出すことは難しい。

3-2-2 . Ubiquitous Architecture

Ubiquitous Computing is a computational model of human-computer interaction in which information processing has been thoroughly integrated into everyday’s objects and activities. More formally, Ubiquitous Computing is defined as “machines that fit the human environment instead of forcing humans to enter theirs.” (J. York, 2004) . These ideas were proposed by Mark Weiser during his tenure as Chief Technologist of the Xerox Palo Alto Research Center (PARC), and raised the phrase “ubiquitous computing” around 1988.

3-2-2 . ユビキタス建築

ユビキタスコンピューティングとは、情報処理が日常の物や活動に徹底的に組み込まれた、人間とコンピュータの相互作用の計算モデルである。より正式には、ユビキタスコンピューティングは、「人間に環境を強制するのではなく、人間の環境に適合する機械」と定義される。(J. York, 2004) と定義されている。これらの考え方は、1988年頃、ゼロックス・パロアルト研究所(PARC)のチーフ・テクノロジストであったマーク・ワイザーが提唱し、「ユビキタス・コンピューティング」という言葉を世に送り出した。

Both alone and with PARC Director and Chief Scientist John Seely Brown, Weiser wrote some of the earliest papers on the subject, largely defining it and sketching out its major concerns (Weiser, 1991) (Weiser, 1996) .

PARCのディレクターでチーフサイエンティストのジョン・シーリー・ブラウンとともに、ワイザーはこのテーマに関する初期の論文を書き、その大部分を定義し、主要な関心事を概説した(ワイザー, 1991)

The second aspect is pervasive computing. At their core, all models of ubiquitous computing share a vision of small, inexpensive, robust networked processing devices, distributed at all scales throughout everyday life and generally turned to distinctly common-place ends. For example, a domestic ubiquitous computing environment might interconnect lighting and environmental controls with personal biometric monitors woven into clothing so that illumination and heating conditions in a room might be modulated, continuously and imperceptibly. Another common scenario posits refrigerators “aware” of their suitably tagged contents, able to both plan a variety of menus from the food actually on hand, and warn users of stale or spoiled food. (Refer from Wikipedia) (Sakamura, 2007) .

2つの側面が特に関連している。1 つ目は、無自覚性、すなわちユビキタス・コンピューティングを「利用している」人は、通常の活動や状況の場合には、多くの計算機デバイスやシステムを同時に利用しており、自分がを必ずしもそうであることを意識していないかもしれないというとい事実である。現代の人間とコンピュータのインタラクションモデルは、コマンドラインであれ、メニュー駆動であれ、GUIベースであれ(Apple Computer, 1995)、ユビキタスの場合には不適切であり、不十分である。この考えを支持する現代のデバイスには、携帯電話、デジタル・オーディオ・プレーヤー、電波識別タグ、GPS、そしてインタラクティブ・ホワイトボードなどがある。しかしこのことは、ユビキタス・コンピューティングに適した「自然な」インタラクション・パラダイムがまだ出現していないことを示唆している。

Cooperative research within the architectural field could be taking place in several organisations. Firstly, Dr. K.Sakamura of University of Tokyo, is to enable any everyday device to broadcast and receive information (Sakamura, 2007) .Secondly, MIT has also contributed significant research in this field, notably Things That Think consortium (directed by Hiroshi Ishii, Joseph A. Paradiso and Rosalind Picard) at the Media Lab and the CSAIL(MIT Computer Science and Artificial Intelligence Laboratory) effort known as Project Oxygen (MIT-Media-Lab, 2007) .

建築分野での共同研究は、いくつかの組織で行われている可能性がある。第1に、東京大学の坂村博士は、日常のあらゆるデバイスが情報の発信・受信を可能にすることを目指している(坂村, 2007年)。第2に、マサチューセッツ工科大学はこの分野でも重要な研究を行っており、特にメディアラボのThings That Thinkコンソーシアム(石井 裕、Jジョセフ A. パラディソ、ロザリンド・ピカードが指揮)や、プロジェクトオキシジェンとして知られるCSAIL(MITコンピュータ科学と人工知能研究所 )の取り組み(MIT-Media-Lab, 2007年)などがある。

In this project architecture is defined as an intelligent machine that integrates a number of computers dedicated to sensing-calculating-actuating, capable of decision-making in order to produce an interactive interface. The proposal uses built-in computational systems such as various kinds of sensors (especially in this thesis light sensor), RFID tag technology (Radio-frequency identification (RFID) is a technology that uses radio waves to transfer data from an electronic tag, called RFID tag or label, attached to an object, through a reader for the purpose of identifying and tracking the object.) behind walls to make architecture interactive.

このプロジェクトでは、建築を「相互作用可能なインタフェースを生成するために意思決定が可能な、センシング-計算-作動に特化した数多くのコンピュータを統合した知的な機械」として定義している。本提案では、建築物を相互作用させるために、各種のセンサー(特に光センサー)や、RFIDタグ技術(RFID(Radio-frequency identification)とは、物体に取り付けられたRFIDタグやラベルと呼ばれる電子タグからリーダーを介して、物体の識別や追跡、データを転送する技術のこと。)などを壁の後ろにはめ込む計算システムを使用し、建築をインタラクティブにすることを目的としている。

These technologies are used not only for sensing inputs, but also as evaluators to decide the effectiveness of this architectural system to implement a ‘feedback loop’ . Several study methods in this thesis will examine how kinetic architecture can be more efficient than the static architecture, how to control the architectural machine in order to provide kinetic-interactive architecture. (For example below the illumination experiment’s detail is described) The tools used, especially Arduino (hardware) and Processing (software) will be discussed.

これらの技術は、入力を感知するだけでなく、「フィードバックループ」を実装するために、この建築システムの有効性を決定するための評価器としても利用されている。本論文では、キネティック・アーキテクチャーが静的なアーキテクチャーよりもいかに効率的になるか、キネティック・インタラクティブなアーキテクチャーを提供するために建築機械をいかに制御するかをいくつかの研究手法検討する。(例えば、以下に照明実験の詳細を述べる。) 使用したツール、特にArduino (ハードウェア) とProcessing (ソフトウェア) について論じる。

The aim is to have built-in computational flexibility in the building in the first instance, so that the system can achieve any required change through software update. It will be necessary to think more about the appropriate type of technologies for the four hierarchical levels defined earlier. Is the same kind of technology going to be used in each of the four levels? Otherwise, what functions would we like the Room to have and how are these going to “inform” the higher levels ?

そのためには、まず建物に計算の柔軟性を持たせ、必要な変更をソフトウェアのアップデートで実現できるようにすることが目標である。先に定義した4つの階層レベルに対して、どのようなタイプの技術が適しているかをより深く考える必要があるだろう。4 つの階層のそれぞれに同じ種類の技術が使われるのか?そうでなければ、「部屋」にはどのような機能を持たせ、それをどのように上位階層に「伝える」のか。

3-2-3 . Programmable Matter for Architecture

The field called ‘programmable matter’ (Toffoli, 1991) is highly suggestive. There are several solutions to realize this depending on scale, one is material based programmable matter, such as complex fluids, metamaterials, shape changing molecules, others are robotics-based approaches, such as modular robotics, claytronics, etc. Researchers in this field also pointed out that “Scale is one key differentiator “ (Toffoli, 1991). When focusing on the molecular level such as a liquid crystal display, which is an established programmable matter example, the individual units of the ensemble can compute. The result of their computation is a change in the ensemble’s physical properties, by applying a current or voltage.

3-2-3 . 建築のためのプログラマブル・マター

「プログラマブルマター」(トフォリ, 1991年)と呼ばれる分野は、非常に示唆的である。これを実現するためのソリューションはスケールに応じていくつかあり、一つは複雑な流体、メタマテリアル、形状を変える分子などの物質ベースのプログラマブルマター、もう一つはモジュール式のロボティクス、クレイトロニクスなどのロボティクスベースのアプローチである。この分野の研究者は、「スケールは重要な差別化要因の一つである」(トフォリ, 1991年)とも指摘している。確立されたプログラマブルマターの代表例である液晶ディスプレイのような分子レベルに着目すると、アンサンブルの個々のユニットは計算することができる。それらの計算の結果は、電流または電圧をかけることによって、アンサンブルの物理的性質の変化となる。

For example if a designer wants to use fabric for cloth, its grid should be smaller than a person’s scale and if it wants to keep ordinary functions, such as air for insulation, this homogeneous grid should be smaller than roughly 10mm to avoid circulation of the air.

例えば、デザイナーが洋服を作るために布を使いたい場合、そのグリッドは人のスケールよりも小さくなければならない。そして断熱のための空気のような通常の機能を保持したい場合、この均質的なグリッドは、空気の循環を避けるために大体10mmよりも小さくなければならない。

Hence, in the architectural field, ‘programmable matter’ has to have architectural meaning, in particular here, this proposal will take a robotic kinetic methodology which means this project fits below the modular robotics approach, a typical component scale is roughly defined by a 100mm*100mm*100mm three dimensional grid, and the whole fabric will be 100m*100m to cover an urban patch as a fabric, because of its architectural function = as a structure which can integrate people.

したがって、建築の分野では「プログラマブル・マター」は建築的な意味を持たなければならない。特にここでは、このプロジェクトはモジュラー・ロボティクスのアプローチの下に属する、ロボティック・キネティックな方法論をとり、典型的な部品のスケールは100mm*100mm*100mmの三次元グリッドで大まかに定義され、ファブリックとして都市の一帯を覆うようにするために、ファブリック全体は100m*100mとなる。なぜなら、その建築的な機能=人を統合することができる構造物としての意味を持つからである。

As an estimated issues are below. Firstly, its actuator will be affected critically depending on scale. In the case of the Okayama competition, the actuator was an artificial muscle which was a kind of shape memory alloy. The strength of this muscle was strong enough for the 1/10 model while the strength was not strong enough for the actual 1/1 scale and there was no thicker wire. This resulted in a hold on this project. Secondly, a user (a human) already has his own scale; 1.7m height and his hand’s length is 40cm , but they cannot catch the earth or an atom. If this proposed fabric is used for furniture, I would think the component scale would need to be smaller than man’s body.

想定される問題点は以下の通りである。第1に、そのアクチュエータは、規模によって致命的な影響を受ける。岡山大会の場合、アクチュエータは形状記憶合金の一種である人工筋肉だった。その強度は、この筋力は1/10モデルでは十分な強度を持っていたが、実際の1/1スケールでは強度が足りず、より太いワイヤーもなかった。この結果としてこのプロジェクトは保留となっている。第2に、ユーザー(人間)は身長1.7m、手の長さ40cm、という自分自身の尺度を持っていたが、地球や原子を捕らえることはできない。この提案されたを家具に使うのであれば、部品のスケールは人間の身体よりも小さくする必要だ。

3-3. Engineering Tools
3-3-1 . Required Hardware
3-3-1-1 Actuator Properties
(Material, Power to sustain a force, Time response, Size, Weight, Max speed)

There is a new field called ‘Programmable Matter‘ which refers to matter that has the ability to change its physical properties (shape, density, moduli, optical properties, etc). And there are many ways to realise this idea in the field. The programmable architecture is deeply related to this programmable matter.
Referring to the matter, the hardware should be a grid, homogeneous component based along with sensors and actuators which can afford any needed demand. Parameters are not only for geometrical shapes but also for environmental transparency, such as transparent glass/ semi transparent glass/ milky white glass in terms of vision for instance.

3-3. エンジニアリングツール
3-3-1 . 必要なハードウエア
3-3-1-1 アクチュエータの特性
(材料、力を持続させる力、時間応答性、サイズ、重量、最高速度)

物性(形状、密度、弾性率、光学特性など)を変化させる能力を持つ物質を指す「プログラマブルマター」という新しい分野がある。この分野では、この考えを実現するための様々な方法がある。プログラマブル・アーキテクチャは、このプログラマブルマターと深く関係している。ハードウェアは、センサーやアクチュエータとともに、グリッドで均質な部品をベースとし、必要な要求を満たすものである必要がある。パラメータは幾何学的形状だけでなく、例えば視覚の面では透明ガラス、半透明ガラス、乳白色ガラスなどの環境透過性にも対応する。

The proposed model had some points, but the fabric could not hold its shape by itself without electricity. It was trouble. So then referring from Tristan d’Estree Sterk ‘s actuated tensegrity components, (from his thesis Using Actuated Tensegrity Structures to Produce a Responsive Architecture) , got idea to make the fabric more stable using another vertical member, in his thesis, it is used as an ‘actuator‘, but in here the vertical member is replaced just as a shape supporter because we already have actuator as a tension member, the point is we needs keep. In addition, this proposal will add a different actuator and more smart system using Arduino.

提案されたモデルにはいくつかのポイントがあったが、電気なしではファブリックは自力で形を保つことができなかった。困ったものだ。そこで、トリスタン・デストリー・スターク氏の論文「Using Actuated Tensegrity Structures to Produce a Responsive Architecture」を参考にして、もう一つの垂直部材を使ってファブリックをより安定させようというアイデアを得た。彼の論文では、垂直部材は「アクチュエータ」として使われているが、ここでは、すでに引張材としてアクチュエータを持っているため、単に形を支えるものとして置き換え、ポイントはキープする必要がある。

さらに本提案では、別のアクチュエータを追加し、Arduinoを用いたよりスマートなシステムを構築する予定だ。

- Characteristic of the selected shape memory alloy

Shape memory alloy wire contracts like muscles when electrically applied. The ability to shorten in length approximately 5% occurs because both nickel and titanium atoms are present in the alloy in almost exactly a 50% 50% ratio which dynamically change their internal structure at certain temperatures. The movement occurs through an internal “solid state” restructuring in the material that is silent, smooth, and powerful. One of the possible applications is actuation using electrical heating. The spring can become a lightweight linear actuator requiring no other moving parts and has been used in robotics, pumps, window opening, locks. Many of the tasks done with small motors or solenoids can be done with muscle wire, which are smaller and less expensive.

- 選定した形状記憶合金の特性

形状記憶合金線は、電気を流すと筋肉のように収縮する。長さを約5%短くすることができるのは、ニッケル原子とチタン原子がほぼ正確に50%ずつ合金中に存在し、特定の温度で動的に内部構造を変化させるからである。この動きは、材料内部の「ソリッドステート」(固体状態)の再構築によって発生し、静かでスムーズ、かつ力強い動きとなる。応用例としては、電気加熱による作動が考えられる。バネは他の可動部を必要としない軽量のリニアアクチュエータとなり、ロボット、ポンプ、窓開け、錠前などに使われている。小型モーターやソレノイド(3次元の螺旋状コイル)で行っていた作業の多くは、より小型で安価なマッスルワイヤーで行うことができる。

Smart “NiTi” Spring (Manufacturer: RVFM) has been selected as an actuator of this thesis’ physical model. It is a 5.5mm external diameter spring made from Nickel Titanium alloy which has been heat treated to provide memory behaviour. Length is 20mm when closed and weight is 1.1g. From the manufacturer's product description, at room temperature the spring is soft enough to pull out to approximately 150mm by applying a small amount of force. When heated to 70°C by passing an electric current through it, the spring contracts to its original length with a pulling force equivalent to lifting a 0.5kg weight.

本論文の物理モデルのアクチュエータには、Smart “NiTi” Spring(メーカー:RVFM)が採用されている。外径5.5mmのニッケルチタン合金製のスプリングで、熱処理により記憶特性を持たせている。 長さは閉じた状態で20mm、重さは1.1g。メーカーの商品説明では、常温では小さな力を加えると約150mmまで引き出せるほど柔らかいスプリング。電流を流して70℃に加熱すると、0.5kgの重りを持ち上げるのに匹敵する牽引力で元の長さまで収縮する。

“The mechanism of actuation in shape memory alloys is a temperature-induced phase change which produces a significant shear strain on heating above the transformation temperature. This effect has given rise to a variety of applications (Duerig 1990). “(J. E. Huber, N. A. Fleck and M. F. Ashby, 1997)

“High values of σmax (up to about 7×108 N m−2) and εmax (up to about 7×10−2) can be achieved in nickel–titanium alloys of approximately equiatomic composition.“(J. E. Huber, N. A. Fleck and M. F. Ashby, 1997)

「形状記憶合金における動きのメカニズムは、変態温度以上の加熱で大きなせん断ひずみを生じる温度誘導相変化である。この効果により、様々な応用が生まれている」(Duerig 、1990年)。(J. E. フーバー, N. A. フレック and M. F. アシュビー, 1997年)

"ほぼ等原子構成のニッケル-チタン合金において、σmax(最大応力)(最大約7×108N m-2)とεmax(最大たわみ)(最大約7×10-2)の高い値を達成することができる。"(J. E. フーバー, N. A. フレック and M. F. アシュビー, 1997年)

Manufacturer’s technical data sheet gives the characteristic of the shape memory alloy spring. Overheating the spring may destroy the memory and may ignite adjacent materials so the electricity passed through the spring is to be kept not exceeding 3A. For example, a 6v lantern battery connected across the two ends of the extended spring will supply sufficient current for the spring to contract. The resistance of the spring is quite low, therefore the battery will discharge quickly if left connected. The spring is not suitable to be soldered therefore has to be joined mechanically to any leads. A terminal connecting block provides a simple connection when the two extremities of the spring are straightened.

形状記憶合金のスプリングの特性はメーカーの技術データシートに記載されている。スプリングを過熱するとメモリが破壊されたり、隣接する材料に引火する恐れがあるので、通電量は3Aを超えないように保つ。例えば、6Vのランタン電池を伸ばしたスプリングの両端に接続すると、スプリングが収縮するのに十分な電流が流れる。スプリングの抵抗は非常に小さいので、接続したままにしておくと電池がすぐに放電してしまう。スプリングはハンダ付けには適していないため、リード線に機械的に接続する必要がある。端子接続ブロックは、スプリングの両端をまっすぐにすることで簡単に接続することができる。

A bias spring or mass may be used to extend the smart spring relaxed at room temperature. When electricity is applied, the contraction force of about 10 Newtons will overcome the bias and do any additional work for actuation. In this cycle the rate of relaxation is slower than contraction but can be speeded up by cooling (e.g. moving surrounding air with a fan).

As noted below the author reviewed performance of the actuator properties against the criteria described in the paper ”The selection of mechanical actuators based on performance indices” by J. E. Huber, N. A. Fleck and M. F. Ashby in 1997.

室温で緩んだスマートスプリングを伸ばすために、バイアススプリングまたは質量を使用してもよい。電気を流すと、約10ニュートンの収縮力がバイアスに打ち勝ち、作動のための追加の仕事をする。このサイクルでは、緩和の速度は収縮よりも遅いが、冷却(例えば、ファンで周囲の空気を動かす)によって速度を上げることができる。

後述するように、筆者は 1997 年に J. E. フーバー, N. A. フレック and M. F. アシュビーの論文「The selection of mechanical actuators based on performance indices」 "性能指標に基づく機械式アクチュエータの選択 "に記載されている基準に照らし合わせて、アクチュエータの特性の性能を検討した。

- Highest power and displacement

“At low frequency, hydraulic and shape memory alloy systems have the highest values of volumetric power, which is consistent with their high values of volumetric stroke work. ” (J. E. Huber, N. A. Fleck and M. F. Ashby, 1997)

“To minimize the volume, the product σmaxεmax must be maximized; σmaxεmax is the performance index for this problem. Figure 6 suggests that hydraulic systems or systems based on shape memory alloys would be selected where force and displacement are the only criteria .If the mass of the actuator were to be minimized, σmaxεmax/ρ would become the performance index. “(J. E. Huber, N. A. Fleck and M. F. Ashby, 1997)

-最大指数と変位

「低周波では、油圧系と形状記憶合金システムの体積パワーが最も高い値を示しており、それらの高いストロークワークの値と一致している。”」(J. E. フーバー, N. A. フレック and M. F. アシュビー、1997年)

「その容積を最小化するためには、その製品のσmaxεmaxを最大化しなければならない;σmaxεmaxはこの問題の性能指標である。図6は、力と変位が唯一の基準である油圧システムまたは形状記憶合金に基づくシステムが選択されることを示唆している。

アクチュエータの質量を最小にすると、σmaxεmax/ρが性能指標となる。”(J. E. フーバー, N. A. フレック and M. F. アシュビー、1997年)

fig 3-3-1-1,1: Actuation Stress, versus actuation strain for various actuators(Refer from The selection of mechanical actuators based on performance indices)

図3-3-1-1,1:各種アクチュエータの作動応力と作動ひずみの関係
(性能指標に基づく機械式アクチュエータの選定について 参照)

As referred above, the paper assessed the Nickel-Titanium alloy has the highest value of volumetric power at low frequency and has the highest force and displacement ratio compared with the other means of actuation.

以上のように、本論文では、ニッケル-チタン合金は、他の作動手段と比較して、低周波での体積力の値が最も大きく、力と変位の比が最も大きいことを評価している。

- Cycle Operation

“For actuation, shape memory alloys are often used in the form of a wire or foil which reduces in length when heated, and can be returned to its original length by cooling and then stretching. “(J. E. Huber, N. A. Fleck and M. F. Ashby, 1997)
“Heating can be achieved by electrical resistance in shape memory alloy wires, with the resulting tensile forces providing a single acting actuator. “(J. E. Huber, N. A. Fleck and M. F. Ashby, 1997)
“Shape memory alloys typically provide a single action and require an external system to reset them for cyclic operation.”(J. E. Huber, N. A. Fleck and M. F. Ashby, 1997)
“In the present analysis, the resetting mechanism is assumed to be a second shape memory alloy actuator—alternative resetting mechanisms such as springs or weights are also common. “(J. E. Huber, N. A. Fleck and M. F. Ashby, 1997)

-サイクル操作

「作動のために、形状記憶合金は、加熱されると長さが短くなり、冷却して伸ばすことで元の長さに戻るワイヤまたはホイルの形で使用されることが多い。」(J. E. フーバー, N. A. フレック and M. F. アシュビー、1997年)
「加熱は、形状記憶合金ワイヤの電気抵抗によって達成され、その結果生じる引張力によって単動アクチュエータが提供される。」 (J. E. フーバー, N. A. フレック and M. F. アシュビー、1997年)
「形状記憶合金は一般的に単一の動作を提供し、周期的な操作のためのリセットをする外部システムを必要とする。」(J. E. フーバー, N. A. フレック and M. F. アシュビー、1997年)
「現在の分析では、リセットメカニズムは第2の形状記憶合金アクチュエータであると仮定している―スプリングや重りなどの代替的なリセットメカニズムも一般的である。」(J. E. フーバー, N. A. フレック and M. F. アシュビー、1997年)

In my physical model a spring is used to reset the force. The movement of the actuator is measured, in part, by the level of stress one uses to reset the wire, or to stretch it in its low temperature phase. This opposing force, used to stretch the wire for cycle operation, is called the bias force. In my physical model, the bias force is exerted on the wire constantly by the spring, and on each cycle as the wire cools, this force elongates it. If no force is exerted as the wire cools, very little deformation or stretch occurs in the cool, room temperature state and correspondingly very little contraction occurs upon heating.

私の物理モデルでは、力をリセットするためにスプリングを使用している。アクチュエータの動きは、部分的にワイヤーをリセットするために、また低温段階でワイヤーを伸ばしたりするために使用するストレスレベルによって測定される。この、サイクル動作のためにワイヤーを伸ばすための反対側の力を「バイアス力」と呼んでいる。私の物理モデルでは、バイアス力はスプリングによって常にワイヤに作用し、ワイヤが冷却されるたびにこの力によってワイヤが伸びていく。ワイヤーが冷えるときに力を加えなければ、室温の冷えた状態では変形や伸びはほとんど起こらず、加熱してもほとんど収縮しない。

According to the manufacturer, up to a point the higher the load the higher the stroke. The strength of the wire, its pulling force and the bias force needed to stretch the wire back out are a function of the wire size or cross sectional area and can be measured in pounds per square inch or “psi”. If a load of 5,000 psi (34.5 MPa) is maintained during cooling, then about 3% memory strain will be obtained. At 10,000 psi ( 69 MPa), about 4% results, and with 15,000 psi (103 MPa) and above, nearly 5% is obtained.

メーカーによると、あるポイントまでは、負荷が高いほどストロークが大きくなる。ワイヤーの強度、引っ張る力、ワイヤーを引き伸ばすのに必要なバイアス力は、ワイヤーサイズまたは断面積の関数であり、1平方インチあたりのポンドまたは「psi」で測定することができる。冷却中に5,000 psi (34.5 MPa)の荷重を維持した場合、約3%の記憶のひずみが得られる。10,000 psi(69 MPa)では、約4%の、15,000 psi(103 MPa)以上では、ほぼ5%の結果が得られる。

fig 3-3-1-1,2: Normal Bias Spring
(Refer from “Data Sheet of the Smart ‘NiTi’ Spring”, rapid online)

図3-3-1-1,2 ノーマルバイアススプリング
(参照  “Data Sheet of the Smart ‘NiTi’、rapid online)

fig 3-3-1-1,3: Shape memory alloy (NiTI) in the model
The picture shows the connection joints and each part, SMA, lods, membrane, and wire.

図3-3-1-1,3: 形状記憶合金(NiTI)のモデル

写真は、接続ジョイントと各部品、SMA、ロッズ、メンブレン、ワイヤーを示しています。

3-3-1-2 How to Sense

3-3-1-2 感知方法

fig 3-3-1-2,1: The Screenshot of Sensing with Arduino (K.Hotta)

This is an actual interface of Arduino. By using serial transfer, the sensor will give us a certain values as realtime

図3-3-1-2.1 Arduinoでのセンシングのスクリーンショット(K.堀田

これは実際のArduinoのインターフェースである。シリアル転送を利用することで、センサーがリアルタイムの値を教えてくれる。

fig 3-3-1-2,2: The Screenshot of Sensing with Arduino part2 (K.Hotta)

This is an actual interface of Arduino Board and software Arduino.

図3-3-1-2,2:Arduinoでのセンシングのスクリーンショット その2(K.堀田)これは、ArduinoボードとソフトウェアArduinoの実際のインターフェース。

3-3-2 . Required Software

Consideration must be given to three aspects of the software – the control program, the human interface and multiple user participation. The control program has to manage the conflict between individual users and the central control system. A two way system with an emergent element with input from bottom up, and central control element with input from the top down is proposed. The superiority or inferiority of each element is set at a threshold or weighted. The global form is a result of the totality of local decisions with consideration given to each component’s reflection potential. Each component’s control system is a simple piece of code calculated locally to reduce the overall amount of system calculations. Each component is connected with its neighbours, so they can make a network.

3-3-2 .必要とされるソフトウェア

ソフトウェアの3つの側面、すなわち、制御プログラム、ヒューマンインタフェース、複数のユーザーの参加を考慮しなければならない。制御プログラムは、個々のユーザと中央制御システムとの間の衝突を管理する必要がある。ボトムアップからの入力による新興要素と、トップダウンからの入力による中央制御要素との双方向システムを提案する。各要素の優劣はしきい値(境界となる値)または加重で設定される。グローバル形式は、各構成要素の反射可能性を考慮した局所的な決定の総和の結果である。各構成要素の制御システムは、システム全体の計算量を減らすために局所的に計算された単純なコード片となっている。

各構成要素は隣接する構成要素と接続され、ネットワークを構成することができる。

As a result they can achieve higher intelligence. An example of this program was prepared for Okayama-LRT competition 2010 by K.Hotta and A.Hotta. Using spring systems, the white circles (=agents) were continually changing their position depending on the weight, in other words, attracting and repelling forces. For example according to the table, the square and a parking space should be close because of traffic convenience while the bus stop and rest room should be distant from each other to prevent noise. In this program, a function is drawn as a white circle and its influences are visualised as lines which will converge at balance points. The spring system is simple yet it is able to optimize the problem (higher intelligence).

その結果、より高い知性を得ることができる。このプログラムの一例は、2010年の岡山LRT競技会で堀田憲佑と堀田明登によって作成された。スプリングシステムを用いて、白い円(=エージェント)が重さ、つまり、力を引き寄せて反発させる力に応じて絶えず位置を変化させていた。例えばこの表から、交通の利便性を考慮して広場と駐車場は近く、バス停とトイレは騒音防止のために離れていることが望ましいことがわかる。このプログラムでは、関数は白い円として描かれ、その影響はバランスポイントで収束する線として視覚化される。スプリングシステムはシンプルでありながら、問題を最適化することができます。(より高い知性になる。)

The second aspect of the software is the human interface. In processing, there is a famous plug-in library to make a GUI which is controllable by mouse, called ‘control-p5’. Using this tool, it is possible to make a convenient, beautiful interface to parametrically control the architecture which allows user participation in controlling the architecture’s character. It is possible to further develop this interface to be wireless by using touch OSC. (TouchOSC is a modular OSC and MIDI control surface for iPhone / iPod Touch / iPad. It supports sending and receiving Open Sound Control messages over a Wi-Fi network using the UDP protocol and supports both CoreMIDI and the Line 6 MIDI Mobilizer interfaces for sending and receiving MIDI messages.)

ソフトウェアの第二の側面は、ヒューマンインタフェースである。処理においては、「control-p5」と呼ばれるマウスで制御可能なGUIを作るための有名なプラグインライブラリがある。このツールを使うことで、ユーザーが参加して建築の特徴を制御することができるような、便利で美しいインタフェースをパラメトリックに制御することができる。 また、このインタフェースをさらに発展させて、touch OSCを使用することで、さらにワイヤレス化することも可能である。(TouchOSC は、iPhone / iPod Touch / iPad 用のモジュラー型 OSC および MIDI コントロールサーフェスである。UDPプロトコルを用いたWi-Fiネットワーク上でのOpen Sound Controlメッセージの送受信をサポートし、MIDIメッセージの送受信にはCoreMIDIとLine 6 MIDI Mobilizerの両インターフェースをサポートしている)。

Third aspect of the software to be considered is an agent-based system for multiple user participation. Basically, inputs are made not only through environmental stimuli but through human participation as well. The environmental stimuli is measured via sensors while the human input is transferred via Internet and php protocols though the above interface technique.

ソフトウェアの第三の側面として検討すべきは、複数のユーザーが参加するエージェントベースのシステムである。基本的に、入力は環境からの刺激だけでなく、人間の参加によっても行われる。環境刺激はセンサーで計測し、人間の入力はインターネットとPHPのプロトコルを介して、上記のインタフェース技術で転送する。

3-3-2-1. Rhinoceros

Rhinoceros is a two and three dimensional CAD (computer Aided Design) software package, developed by Robert McNeel & Associates in 2000. It is commonly used to draw free-form surfaces not only for architectural computer graphics modelling, but also in other product design fields. A key feature is NURBS(Non-Uniformed Rational Basis Spline, NURBS defines forms by control point) : this technology was developed in French car engineering in the 1950’s. This flexibility meant that one could define every property of a curved surface by a 3 dimensional coordinate system. Another function which facilitated its broad use was its support of many kinds of formats for export and import. It helps in adapting drawings to other CAD software and documentation.

3-3-2-1.ライノセラス

ライノセラスは、2000年にRobert McNeel & Associatesによって開発された2次元および3次元CAD(コンピュータ支援設計)ソフトウェアである。建築CGモデリングだけでなく、製品設計の分野でも自由曲面を描くのによく使われている。1950年代にフランスの自動車技術で開発されたNURBS(Non-Uniformed Rational Basis Spline、制御点によって形状を定義する)技術が大きな特徴である。この柔軟性は、曲面のあらゆる特性を3次元座標系で定義できることを意味している。また、エクスポートとインポートの際、様々なフォーマットをサポートしていることも広く使われるようになった要因の一つである。これは、他のCADソフトやドキュメントに図面を適合させるのに役立っている。

fig 3-3-2-1,1: The Screenshot of Rhinocerous (K.Hotta)
This is an actual interface of Rhinocerous.

図 3-3-2-1,1:ライノセラスのスクリーンショット(K.堀田)
実際のライノセラスのインタフェース

3-3-2-2. Grasshopper

'Grasshopper' is a software plug-in for 'Rhinoceros' released in 2007. The developer is Robert McNeel & Associates with David Rutten doing most of the development. A common use is graphical algorithm editing using a component based interface which stores the algorithms. This technology was adopted as it allows several algorithms to be used dynamically and co-instantaneously. This facilitates dealing effectively with large data sets or in shape simulations which are very difficult to calculate by hand. It is also useful in facilitating environmental design analysis. For instance sun light simulation, wind simulation and thermal environment.

3-3-2-2. Grasshopper

「Grasshopper」は、2007年にリリースされた「Rhinoceros」用のソフトウェアプラグインである。開発元はRobert McNeel & Associatesで、David Ruttenが開発の大半を担当している。一般的な使用方法は、アルゴリズムを保存する構成要素ベースのインターフェースを用いたグラフィカルなアルゴリズム編集である。この技術は、複数のアルゴリズムを動的に、かつ同時並行的に使用できることから採用された。これにより、手作業では計算が困難な大規模データや形状シミュレーションを効率的に処理することができる。また、環境設計の解析にも有効である。例えば、日照シミュレーション、風シミュレーション、温熱環境など。

fig 3-3-2-2,1: The Screenshot of Grasshopper (K.Hotta)
This is an actual interface of Grasshopper in Rhinocerous.

図3-3-2-2,1: グラスポッパーのスクリーンショット(K.堀田)
実際のライノセラスの中のGrasshopperのインターフェース

3-3-2-3. Galapagos

'Galapagos' is one of the components inside 'Grasshopper' in Rhinoceros. The developer is also Mr. David Rutten and it has been in development since 2010. A common use of this component is mathematical optimization by using an evolutionary solver (based on a Genetic Algorithm), and a simulated annealing solver. The key benefit here is the ease of use of the component. Optimization solvers are difficult to script, especially for designers, but this one comes ready-made.

3-3-2-3. Galapagos

「Galapagos」は、Rhinocerosの中の「Grasshopper」内のコンポーネントの一つである。開発者は同じくDavid Rutten氏で、2010年から開発が行われている。このコンポーネントは、Genetic Algorithmをベースとした進化型ソルバーやシミュレーテッドアニーリングソルバーを用いた数学的最適化でよく利用される。ここでの重要な利点は、このコンポーネントの使いやすさである。最適化ソルバーはスクリプト化が難しく、特に設計者にとっては難しいのだが、このソルバーは既製品として提供されている。

fig 3-3-2-3,1: The Screenshot of Galapagos(K.Hotta)
This is an actual interface of Glapagos inside Grasshopper in Rhinocerous.

図3-3-2-3,1:ガラパゴスのスクリーンショット(K.堀田)
ライノセラスの中のグラスポッパーのガラパゴスのインターフェース

3-3-2-4. Kangaroo Physics

'Kangaroo Physics' is the plug-in software for 'Grasshopper' in 'Rhinoceros'. Kangaroo is a Live Physics engine for interactive simulation, optimization and form-finding directly within Grasshopper. Physics engine can calculate gravity mass, internal mass, velocity, friction and airflow within the model by using a particle system. The particle system is an abstraction of the real world. However it has a high level of corroboration, the simulation yielding approximately-similar results to real world tests. The developer of this add on is Mr.Daniel Piker. The manual (Daniel,P. 2011) suggests this plug in 'can be used for various sorts of optimization, structural analysis, animation and more.'

3-3-2-4. Kangaroo Physics(カンガルーフィジックス)

「Kangaroo Physics」は、「Rhinoceros」の「Grasshopper」用のプラグインソフトウェアである。Kangarooは、Grasshopperの中で直接インタラクティブなシミュレーション、最適化、フォームファインディングを行うためのLive Physicsエンジン。物理エンジンは、パーティクルシステムを使ってモデル内の重力質量、内部質量、速度、摩擦、気流を計算することができる。パーティクルシステムは実世界を抽象化したものである。しかし、シミュレーションは実世界のテストとほぼ同じ結果を得ることができ、高い裏付けを持っている。このアドオンの開発者は、Daniel Piker氏。マニュアル(Daniel,P. 2011)によると、このプラグインは「様々な種類の最適化、構造解析、アニメーションなどに使用できる」そうだ。

fig 3-3-2-4,1: The Screenshot of Kangaroo Physics (K.Hotta)
This is an actual interface of Kngaroo Physics inside Grasshopper in Rhinocerous.

図3-3-2-4,1: Kangaroo Physicsのスクリーンショット(K.堀田)
これは、Rhinocerosの中のGrasshopper用のKangaroo Physicsのインターフェースである。

3-3-2-5. Processing

Processing is an open source programming language and an integrated development environment (IDE) built for various types of designers. This project was started from 2001, by Casey Reas (MIT), Benjamin Fry (MIT). Common uses are for visual design, and real-time visual feedback, and it works with simplified Java script. Other popular functions include the way it allows multiple input devices in addition to a mouse such as a microphone and camera. OpenGL, GPL(General Public License).

3-3-2-5. Processing (プロセシング)

Processing は、オープンソースのプログラミング言語であり、様々なタイプの設計者のために構築された統合開発環境(IDE)である。このプロジェクトは2001年からキャセイ・レアス (MIT)とベンジャミン・フライ (MIT)によって開始された。一般的な用途としては、ビジュアルデザインやリアルタイムビジュアルフィードバックなどがあり、簡略化されたJavaスクリプトで作動する。また、マウスの他にマイクやカメラなど複数の入力デバイスを使用できることも人気の機能である。OpenGL、GPL(General Public License)。

fig 3-3-2-5,1: The Screenshot of Processing (K.Hotta)

This is an actual interface of Processing.

図 3-3-2-5,1: Processing のスクリーンショット(K.堀田)

実際のProcessing のインターフェース

3-3-2-6. Arduino

Arduino is an open source software and hardware micro-controller. Arduino was started in 2005 as a project for students at the Interaction Design Institute Ivrea in Ivrea, Italy. This micro-computer can be controlled by external software in a host computer such as Processing or Adobe flash. Because it is open source, anyone can assemble the hardware for this micro-controller based on the design information in the easily usable graphical layout editor (EAGLE). In this experiment, Arduino mega was chosen because of the number of 52 I/O pins and the extensibility of the external power supply.

3-3-2-6. Arduino(アルデュイーノ)

Arduinoは、オープンソースのソフトウェアとハードウェアのマイクロコントローラである。 Arduinoは、2005年にイタリアのIvreaにあるInteraction Design Institute Ivreaの学生のプロジェクトとしてスタートした。このマイクロコンピュータは、プロセシングやAdobe Flashなどのホストコンピュータの中の外部のソフトウェアによって制御することができる。オープンソースであるため、誰でも簡単に使えるグラフィカル・レイアウト・エディタ(EAGLE)の設計情報をもとに、このマイクロコントローラのハードウェアを誰でも組み立てることができる。今回の実験では、52本のI/Oピン数と外部電源の拡張性を考慮してArduino megaを選択した。

fig 3-3-2-6,1: The Screenshot of Arduino and ArduinoMega Board
This is an actual interface of Arduino, and the picture of the ArduinoMega board (K.Hotta, pics from
http://arduino.cc/)

図 3-3-2-6,1: Arduino と ArduinoMega ボードのスクリーンショットArduinoの実際のインターフェースとArduinoMegaボードの写真である。(K.堀田、写真http://arduino.cc/から)

3-3-2-7. Traer physics

Traer physics is a simple particle system physics engine for Processing. A purpose of adopting the technology is to make particles, apply forces and calculate the positions of particles over time in real-time. Developer is Dr.Traer Bernstein. There are four parts one is 'ParticleSystem' - takes care of gravity, drag, making particles, applying forces and advancing the simulation. One is 'Particles' - they move around in 3D space based on forces you've applied to them. One is 'Springs' - they act on two particles, the last is 'Attractions' - which also act on two particles. New Features of current version are, Choice of previous Runge-Kutta or faster but less stable, Modified Euler integrator, Make your own custom forces, Remove springs and attractions, and Open source.

(Reference from http://murderandcreate.com/physics/)

3-3-2-7. Traer physics (トレールフィジックス)

Traer physicsは、Processing用のシンプルなパーティクルシステム物理エンジンである。採用の目的は、パーティクルを作り、力を加え、パーティクルの時間的な位置をリアルタイムに計算すること。開発者はDr.Traer Bernsteinです。ParticleSystem'は重力、抗力、パーティクルの作成、力の適用、シミュレーションの進行などを行う部分。Particles」:加えた力によって3D空間を動き回る。スプリングは2つのパーティクルに作用し、アトラクションは2つのパーティクルに作用する。現在のバージョンの新機能は、従来のRunge-Kuttaか、より高速だが安定性に欠けるかの選択、Modified Euler integrator、独自のカスタム力の作成、スプリングとアトラクションの削除、オープンソースである。

(参考文献:http://murderandcreate.com/physics/)

3-3-3 . Brief Introduction and of Genetic Algorithm

This thesis is not only about Genetic Algorithm (GA), but also about suggesting a modified hard-software system for higher adaptation. If this algorithm is focused on too carefully, it would become a whole other paper, therefore it is explained only in brief. “A GA is a search heuristic that mimics the process of natural selection. This heuristic (also sometimes called a metaheuristic) is routinely used to generate useful solutions to optimization and search problems.” (Mitchell, 1996) GA is included in the upper hierarchy evolutionary algorithms (EA), which generate solutions to optimization problems encouraged by natural evolution, such as inheritance, mutation, selection, and crossover. In bioinformatics, phylogenetics, computational science, engineering, economics, chemistry, manufacturing, mathematics, physics, pharmacometrics and various other fields, GA have been applied.

3-3-3 . Genetic Algorithm(遺伝的アルゴリズム)の簡単な紹介と概要

本論文は、Genetic Algorithm(GA)だけでなく、より高度な適応性を実現するために改良型ハード・ソフトウエア・システムを提案することを目的としている。このアルゴリズムに焦点を当てすぎると、全く別の論文になるため、簡単な説明に留める。「GAとは、自然淘汰のプロセスを模倣した探索ヒューリスティックである。このヒューリスティック(メタヒューリスティックと呼ばれることもある)は、最適化問題や探索問題に対する有用な解を生み出すために日常的に使用されている。(Mitchell, 1996) GA は上位階層の進化的アルゴリズム (EA) に含まれ、継承、突然変異、選択、交叉などの自然進化によって促される最適化問題の解を生成する。バイオインフォマティクス、系統樹、計算科学、工学、経済学、化学、製造、数学、物理学、ファーマコメトリクスなど様々な分野でGAが適用されている。

3-3-3-1. History of Genetic Algorithm

In this section, the history of evolutionary algorithms including GA is described briefly. GA with Evolutionary solver is not new to today (2013). The first reference to this field is indeed Charles Darwin. However, according to this program's creator: Davit Rutten , Lawrence J. Fogel first introduced this to the computer field in the 1960’s as the landmark paper “On the Organization of Intellect”. Then in the early 70′s, it is said that Ingo Rechenberg and John Henry Holland(1975, Michigan university) developed it. Until Richard Dawkins’ book “The Blind Watchmaker'' in 1986, Evolutionary Computation didn’t attain popularity with the lay person, only with the programmer world. In this book he developed a small program called Biomorph; a word invented by Desmond Morris, that generated a seemingly endless stream of body-plans artificial selection. Since the 1980′s the diffusion of personal computers has made it possible for individuals to apply evolutionary principles to personal projects, without resources such as government funding. They have since made it into common parlance. On the 3d CAD field, ‘Galapagos’ is the Grasshopper plug-in on Rhinoceros was released in 2010, targeting mainly non-programmers such as architects, designers.

3-3-3-1. 遺伝子アルゴリズムの歴史

ここでは、GAを含む進化的アルゴリズムの歴史を簡単に説明する。Evolutionary solver(進化的ソルバー)を用いたGAは、今日(2013年)では新しいものではない。この分野への最初の言及は、確かにチャールズ・ダーウィンである。しかし、このプログラムの作成者によると Davit Rutten 、Lawrence J. Fogelは、"On the Organization of Intellect " (組織知能について) という画期的な論文でこの分野を初めてコンピュータに紹介した。 その後、70年代前半にIngo RechenbergとJohn Henry Holland(1975年、ミシガン大学)が開発したと言われている。1986年にRichard Dawkinsが "The Blind Watchmaker "(盲目の時計職人)が出版されるまで、進化論的計算は一般の人には普及しておらず、プログラマーの世界でしか普及していなかった。この本の中で、デズモンド・モリスが考案した「バイオモルフ」という小さなプログラムが開発され、ボディプランの人工淘汰が無限に続くかのように生成されるようになった。1980年代以降、パーソナルコンピュータの普及は、政府の資金援助のようなリソースなしで、個人が個人的なプロジェクトに進化の原理を適用することを可能にした。そして、この進化原理は、一般的な言葉として使われるようになった。3D CADの分野では、2010年にRhinoceros上のGrasshopperプラグイン「Galapagos」が、主に建築家やデザイナーなどのノンプログラマーをターゲットにリリースされた。

3-3-3-2. General Strong and Weak Points of Genetic Algorithm

Firstly, four remarkable strengths of GA are discussed. Some of them are rather unique amidst the plethora of computational methods.

1) GA including other evolutionary algorithms is remarkably flexible. This can tackle a wide variety of problems such as Combinatorial optimization, NP-hard. It is true, there are classes of problems which are beyond the reach of even the best solver implementation, but mostly it is quite rare to come across these sort of problems.

2) The other benefit of this solution is that it is lenient for the user. It does not require special knowledge of objective function (evaluation function) even if poorly formulated. Usually when using another algorithm, the user needs to know whether objective function is differentiable, or whether fitness-landscape has single or plural mountains. But GA is well-automated to overcome these difficulties. The minimum requirement is ‘order set’ of the objective function, and searching space has to have a ‘topology’.

3-3-3-2. 遺伝的アルゴリズムの一般的な長所と短所

まず、遺伝的アルゴリズムが持つ4つの顕著な長所について説明する。そのうちのいくつかは、数多い計算手法の中で、かなりユニークなものである。

1) 他の進化的アルゴリズムも含めて、GA は驚くほど柔軟である。組合せ最適化、NP困難問題など、様々な問題に対応できる。確かに、どんなに優れたソルバーの実装でも手の届かない問題はありますが、この種の問題に出くわすことは稀である。

2)このソリューションのもう一つの長所は、ユーザーに優しいことである。たとえ定式化が不十分でも、目的関数(評価関数)についての特別な知識を必要としない。通常、他のアルゴリズムを使う場合、ユーザーは目的関数が微分可能かどうか、フィットネスランドスケープの山が単一か複数かなどを知る必要がある。しかし、GAはこれらの困難を克服するために、十分に自動化されている。最小要件は目的関数の「次数セット」であり、探索空間には「トポロジー」が必要である。

3) In GA, even intermediate answers can be yielded at practically any time, because its run-time process is progressive. GA output is a never ending stream of answers, dissimilar to a number of dedicated algorithms. Though the newer answers tend to have higher quality, it can provide the answer nonetheless. So even a premature run can bring a harvest of sorts which could be called a result. This could be a great benefit to real time usage.

3) GAでは、実行時間のプロセスが進歩的であるため、中間的な答えであっても、実質的にいつでも得ることができる。GAの出力は終わりのない答えの流れであり、多くの専用アルゴリズムとは異なる。新しい答えはより高い品質を持つ傾向があるが、それでもなお

答えを提供することができる。そのため、早期の実行でも結果と呼べるような収穫をもたらすことができる。これは、リアルタイムで使用するうえで、大きなメリットとなるであろう。

4) GA including its evolutionary solvers are manipulate-able by the user. There are a number of opportunities for interaction between algorithm and human: user or controller, because the run-time process is highly transparent and brows-able. It is important to note that the GA and its solver can be coached by human intelligence, even in the middle of its process, sometimes interrupting the process. Therefore it can be goaded into exploring not only normal optimum answers but also sub-optimum branches, if needed.

Secondly, as every approach has drawbacks and limitations two weak points, i.e. disadvantages are raised here.

4) GAはその進化的なソルバーを含めてユーザーによって操作可能である。実行時のプロセスが非常に透過的で閲覧可能であるため、アルゴリズムと人間:ユーザーまたはコントローラの間で多くの相互作用の機会がある。重要なことは GA およびそのソルバーがプロセスの途中であっても、人間の知性によって指導されることでプロセスを中断できることに注目することである。したがって必要に応じて、最適な解だけでなく、最適の代わりとなる枝を探索するように誘導することができる。次に、すべてのアプローチには欠点と限界があるため、ここでは2つの弱点、すなわちデメリットを挙げる。

Evolutionary Algorithms including GA are slow; takes a long time to get a beneficial result, although it depends on the settings such as fitness pressure. Chiefly complicated setups that require a long time in order to solve a single iteration will quickly run out of hand, moreover it is not unheard of that a single process may run for more than a day. According to Davit Rutten, who is the creator of Galapagos it needs at least 50 generations of 50 individuals each, which is almost certainly an underestimate unless the problem has a very obvious solution. Then he would take a two-day runtime. For example this 4 components iteration needs 3 minutes to get an almost ultimate result.

Evolutionary Algorithms including GA do not pledge a solution to the user. Except when a predefined ‘good-enough’ value is specified, the process will tend to run on indefinitely. The technique is required to have a better objective function (evaluating function). When evaluating functions are badly defined, GA’s solver may not be able to recognize the answer; best optimal solution, or simply never reach it.

GAを含む進化型アルゴリズムは、適合度圧などの設定にもよるが、有益な結果を得るまでに時間がかかる。特に、1回の反復処理に長時間を要する複雑な設定は、すぐに手詰まりになり、1回の処理に1日以上かかることも珍しくない。Galapagosの開発者であるDavit Ruttenによれば、50個体ずつ少なくとも50世代は必要とのことである。その場合、彼は2日間の実行時間を取るだろう。これは、その問題が非常に明白な解決策を持っていない限り、ほぼ間違いなく過小評価である。例えば、この4成分の反復は、だいたい最終的な結果を得るのに3分必要である。

GAを含む進化的アルゴリズムは、ユーザーに解を約束するものではない。あらかじめ「これでいい」という値が指定されている場合を除き、プロセスは無限に続く傾向にある。より良い目的関数(評価関数)を持つことが要求される技術である。評価関数の定義が悪いと、GAのソルバーは答え、つまり最適解を認識できないか、単純に解にたどり着けないということがある。

3-3-3-3. The Basic GA Procedure

Here, the brief procedure of Genetic Algorithm (GA) will be explained. There are broad considerations and chronicles in both field computation and biology or even philosophy referring to these topics. However here these are briefly touched because this thesis is not about GA itself, but a whole new system.

3-3-3-3. GAの基本的な手順

ここでは、遺伝的アルゴリズム(GA)の簡単な手順を説明する。計算や生物学、あるいは哲学の分野では、これらのトピックに言及した幅広い考察や記録が存在する。しかし、本論文はGAそのものではなく、全く新しいシステムについての論文なので、ここではこれらに簡単に触れることにする。

fig 3-3-3-3,1 Basic GA procedure

図. 3-3-3-3,1 GAの基本的な手順

3-3-3-3-1. Step-1) Generate Initial Group

At the initial point, there is nothing inherent from the previous session, when a GA starts. Initial generation, called generation-0 has to be generated, thus the common way is to randomly spread individuals on the fitness landscape. This inevitably is guesswork. Since all the genomes in generation-0 were picked at random, it is quite improbable that any of them will have hit the rewards. Basically here the number of genomes is equal to the number of dimensions of the fitness landscape. When the user increases the number of genomes, it dramatically reduces the probability of accidental good luck, such as achieving the skirts of the highest mountain, which has optima on the top. Otherwise, when not enough diversity is provided in generation zero, they can easily fall down to local optima, and then it is not able to achieve a true optima answer. Picking the best performing genome from the initial population is not enough but it needs to breed the best performing genomes in Generation zero to create Generation One. The contiguous generations are created from previous generations using a combination of breeding and selection and mutation algorithms.

3-3-3-3-1. ステップ-1) 初期グループの生成

GAを開始した時点では、前回から引き継いだものは何もない。0世代と呼ばれる初期世代を生成する必要があり、一般的な方法は、フィットネスランドスケープ(適応度地形)上に個体をランダムにばらまくことである。これは必然的に推測作業になる。0世代のゲノムはすべてランダムに選んだもののため、そのうちのいずれかが報われる可能性は極めて低い。基本的にここでは、ゲノム数はフィットネスランドスケープ(適応度地形)の次元数と等しい。ゲノム数を増やすと、頂上に最適値がある最高峰の裾野に到達するような偶然の幸運が起こる確率が劇的に減少する。そうでなくても、0世代で十分な多様性が与えられないと、局所最適に陥りやすく、真の最適解を得ることができなくなるのである。初期グループから最も性能の良いゲノムを選ぶだけでは十分でなく、第0世代で最も性能の良いゲノムを繁殖させて、第1世代を作る必要がある。連続する世代は、繁殖と選択と突然変異のアルゴリズムの組み合わせにより、前の世代から作成される。

3-3-3-3-2. Evaluation

When the initial candidate genomes (when the first iteration) or inherent genomes (for returning cycle) are bred, their offspring will show up somewhere in the intermediate model-space. This model space is commonly represented as a 3 dimensional graph; fitness landscape. As the solver starts it has no idea about the actual shape of the fitness landscape. So the second step of the solver is to populate model space with a random or not random collection of individuals and its genomes, thus exploring fresh ground.

3-3-3-3-2. 評価

最初の候補ゲノム(最初の反復の時)あるいは内在ゲノム(回帰の時)を交配すると、その子孫は中間モデル空間のどこかに現れる。このモデル空間は一般に3次元のグラフで表現され、フィットネスランドスケープ(適応度地形)と呼ばれる。ソルバーが開始すると、フィットネスランドスケープの実際の形については何もわからない。そこで、ソルバーの第2段階として、モデル空間にランダム、あるいはランダムでない、それぞれのゲノムを投入し、新たな領域を開拓することになる。

fig 3-3-3-3-2,1 Fitness landscape

3-3-3-3-2,1 フィットネス・ランドスケープ

This is the typical expression of Fitness Landscape, where vertical axis shows fitness, and horizontal 2 axes’ shows projected space. In this space, every dot is distributed into this rectangle space, but it is unique. It is possible to specify the exact place only in the case when genomes are only two, as two changeable variables; one axis indicates gene-0, other indicates gene-1, because the number of genomes is equal to dimensions.

これは、フィットネスランドスケープの典型的な表現で、縦軸はフィットネス、横2軸は投影空間を表している。この空間では、すべてのドットはこの長方形の空間に分布しているが、それは独特である。ゲノムの数が次元と等しいので、一方の軸は遺伝子0、もう一方の軸は遺伝子1を示し、ゲノムが2つしかない場合のみ、変化する変数として正確な位置を指定することができる。

However usually the number of genomes is more than two so then the actual field space will be more than 3 dimensions, which is difficult to show on paper, even on a 3 dimensional space. The common way to represent this space is to project into 3 dimensional spaces (such as fig 5-3-2). Every combination of genomes results in a specific point in space and indicates particular fitness, as high or low in Z direction index. The algorithm attempts to search the highest peak in this landscape, this is called optimum.

しかし、通常、ゲノムの数は2つ以上のため、実際のフィールド空間は3次元以上になり、3次元空間であっても紙面上では表現しにくい。そこで、3次元空間に投影して表現する方法が一般的である(図5-3-2)。ゲノムのあらゆる組み合わせは、空間内の特定の点となり、Z方向指数の高低として特定の適合度を示す。アルゴリズムは、このランドスケープの中で最も高いピークを探索しようとし、これが最適と呼ばれる。

As fig 5-3-2 shows as colored dots, once the system knows how fit every genome is it can make a hierarchy from fittest to lamest. Essentially the system is searching for a ‘high place’ (When searching for maximum value on the evaluation function, otherwise ‘low place’ instead) in the landscape and it is a reasonable assumption that the higher genomes are closer to potential high-ground than the low ones. Therefore the system will kill off the worst performing ones and focus on the remainder, this however, is the next step; selection.

In Terms of 'Fitness function', ‘Fitness’ often causes great distress in biology, having been discussed for a long time. It is said generally “Fitness is the result of a million conflicting forces “or “Evolutionary Fitness is the ultimate compromise. “ But the formal definition of ‘Fitness’ is “If p is probability that an organism at the egg stage will reach adulthood, and e is the expected number of offspring that the adult organism will have, then the organism’s overall fitness is the product pe ”(Sober, 2001).

図5-3-2が色付きの点として示すように、システムは各ゲノムの適合度を知ることで、最も適合度の高いものから最も低いものへと階層化することができる。基本的に、システムはランドスケープにおいて「高い場所」(評価関数の最大値を探索する場合は「高い場所」、それ以外は「低い場所」)を探索し、高いゲノムは低いゲノムよりも潜在的な高地に近いと考えるのが妥当である。したがって、このシステムは性能の悪いゲノムを排除し、残りのゲノムに注目することになるが、これが次のステップである「選択」である。

「適応度関数」に関して、生物学では「適応度」が長い間議論されてきており、しばしば大きな悩みの種となっている。一般に、「適応度とは、100万個の相反する力の結果である」や「進化的適応度とは、究極の妥協点である」と言われている。しかし、「適応度」の正式な定義は、「卵の段階の生物が成体に達する確率をp、成体の生物が持つであろう子孫の期待数をeとすると、生物の総合適応度はその積pe」(Sober、2001年)である。

However, Instead of accurate discussion in biology, here ‘fitness’ is just focusing on the computational side. At least in Evolutionary Computation, fitness is a very easy concept. Fitness, also fitness function, is a particular type of objective function that is used to summarize, as a single figure of merit, is how close a given design solution is to achieving the set aims(Nelsona et al., 2009). In general terms, fitness is how close the user (here user means the person who is handling GA) wanted it to be. When the user is trying to solve a specific problem, and therefore he/she knows what it means to be fit. The fit individual has features as described below. The fitter individual can produce more offspring than the unfit one on average. So there is an interrelation between fitness and the number of offspring. Or, it is also a possible alternative to count the number of grand-offspring. And a better measure yet would be to count the allele frequency in the gene-pool of the genes that make up the individual in question.

しかし、生物学における正確な議論ではなく、ここでは「適応度」はコンピューテーショナルな側面にのみ焦点が当てられている。少なくとも進化的なコンピューテーションの分野では、適応度は非常に簡単な概念である。適応度は、適応度関数とも呼ばれ、ある設計解が設定された目的の達成にどれだけ近いかを一つの数値としてまとめるために用いられる特殊な目的関数である(Nelsona et al., 2009)。一般論として、適応度とは、ユーザー(ここではユーザーとはGAを扱う人のこと)が望んだ結果にどれだけ近づけることができたかということである。ユーザーが特定の問題を解決しようとしているとき、適応することが何を意味するのかを知っている。適合した個体は、以下に説明するような特徴を持っている。適合する個体は、適合しない個体よりも平均してより多くの子孫を残すことができる。つまり、適合度と子孫の数には相互関係があるのである。あるいは、孫の子の数を数えるという方法も考えられる。さらに良い指標は、当該個体を構成する遺伝子の遺伝子プールにおける対立遺伝子頻度を数えることであろう。

fig 3-3-3-3-2,2 Climbing up fitness landscape

図3-3-3-2,2 フィットネスランドスケープの上昇

When a specific genome is taken, it ends up somewhere on the fitness landscape. Because of the fitness landscape merely the project picture of higher dimensional model-space, it is quite unlikely to sit on the part of the mountain in landscape. Also the estimated route of evolution is quite difficult to predict, because the operation consists of some randomness. However it could be said there is a general tendency that can be distinguished, when the selection works correctly. The behavior of genomes over generations is similar to that water will always flow downhill along the steepest slope (fig 3-3-3-3-2,2). If the algorithmic system, especially narrowing down function, works correctly, genetic descendants will generally climb up the mountain basically along the steepest slope. Because the system has been set as the higher fitness rewards, every individual tries to maximize its own fitness. Most effective mountain climb is taking the steepest line towards high fitness.

特定のゲノムを採取すると、そのゲノムはフィットネスランドスケープのどこかに到達する。フィットネスランドスケープは高次元モデル空間の投影図に過ぎないため、ランドスケープの山の部分に位置する可能性は極めて低い。また、進化の推定経路も、その動作がランダムであるため、予測することは非常に困難である。しかし、選択が正しく機能した場合には、一般的な傾向が見て取れると言える。ゲノムの世代間の振る舞いは、水が常に最も急な斜面に沿って流れ落ちるのと似ている(図3-3-3-2,2)。アルゴリズムシステム、特に絞り込み機能が正しく働けば、遺伝子の子孫は基本的に最も急な斜面に沿って山を登っていくことになります。システムはより高いフィットネスの報酬として設定されているため、各個体は自身のフィットネスを最大化しようとする。最も効果的な登山は、高いフィットネスに向かう最も急なラインを取ることである。

On the figure, colored circles represent the location of the ancestral genome, the line track represents the pathway of the offspring. Executing the algorithm a number of times is actually equal to interact genomes with landscape. By using a technique such as crossover, which is explained later, every genome climbs up the hill. Every peak in the fitness landscape has an upside down bowl of attraction around it. Then those surfaces turn to the valley. Some sections of this landscape represent the trace of genomes in model-space that will converge upon that specific peak of mountain or hill. The shape of this bowl or steep of the sloop is dependent on the way the user set a fitness function.

図中、色付きのドットは今までのゲノムの位置を、線状の道筋は子孫の経路を表している。このアルゴリズムを何度も実行することは、実際にはゲノムをランドスケープで相互作用させることと等しい。後述する交叉などの手法により、すべてのゲノムは丘の上に登っていく。フィットネスランドスケープのすべての頂上は、その周囲に逆らうボールのような力を持っている。そして、それらの表面は谷へと変わっていく。このセクションのいくつかの部分は、特定の山や丘のピークに収束するモデル空間内のゲノムの痕跡を表している。このボウルの形やスロープの険しさは、ユーザーが適応度関数を設定する方法によるものが大きい。

When the solving questionnaire is easy, the landscape may be a craggy mountain. In case of a difficult problem the landscape may be smooth and it may be difficult to find a hilltop. With this technique, in the case of a typically difficult question to solve, the solution tends to get stuck in local optima. However this sort of problematic fitness landscape could be manipulated by some techniques.

解決すべき問題が簡単な場合、ランドスケープはごつごつした山の様かもしれない。難しい問題の場合には、ランドスケープは滑らかで、丘の頂上を見つけるのが難しいかもしれない。この手法では、典型的な難しい問題の場合、解は局所最適にはまりがちである。しかし、このような問題のあるフィットネスランドスケープは、いくつかのテクニックによって操作することが出来得る。

fig 3-3-3-3-2,3 Difficult Fitness Landscape

図3-3-3-2,3 難しいフィットネスランドスケープ

The fitness landscape can be of various types (fig3-3-3-3-2,3). The easiest example is shown as ‘Simple’ on the figure, which consists of a clean mountain and valley. Those are corresponding with maxima and minima respectively. The next example, ‘Basin’ is bit arduous to achieve the final answer, as the local optima tend to fall down on the basin. Before arriving at this plateau, direct searching and then improving fitness was smooth, but after that the solver tends to lose direction. Therefore the concluding answer tends to fall into ambiguity within the certain width. An even worse example, called ‘Flip’ here, would be the following fitness landscape: the peaks are restricted to quite a narrow term. Therefore it is easy to miss random sampling of the landscape. In concrete, somehow a successful genome finds the second highest peak on the left; its offspring will rapidly populate the local optima.

フィットネスランドスケープには様々な種類がある(図3-3-3-2,3)。最も簡単な例は、図中の「シンプル」なものであり、きれいな山と谷で構成されている。これらは、それぞれ最大値と最小値に対応している。次の「くぼ地」の例では、局所最適がくぼ地に落ち込む傾向があり、最終的な答えを出すのは少し難しい。この高原状態(プラトー)に到達するまでは直接探索、そして適応度を改善するのがスムーズであったが、それ以降はソルバーが方向性を見失う傾向がある。そのため、ある幅の中で結論の結論が曖昧になりがちである。さらに悪い例として、ここでは「フリップ」と呼んでいるが、次のようなフィットネスランドスケープがある:ピークはかなり狭い項に限定される。そのため、ランダムサンプリングに失敗しやすい。具体的には、ある成功したゲノムが左から2番目のピークを見つけ、その子孫が局所最適をどんどん埋めていく。

This immediately causes the extinction of the rest of the population and then the algorithm will miss the chance to find a higher peak on the right. The sharper the landscape for a solution, the harder it is to solve a problem with GA. Another difficult case is called ’discontinuous’ in the figure. Because most of the part consists of horizontal patches, there are no peaks. It causes difficulty in searching the usual way, thus there is continuous improvement through solver on this plateaus.

これはすぐに残りの個体群の絶滅を引き起こし、その後アルゴリズムは右のより高いピークを見つけるチャンスを逃すことになる。解を求めるランドスケープが鋭くなればなるほど、GAによる問題解決は難しくなる。もう一つの難しいケースは、図中の「断続的」と呼ばれるもの。ほとんどの部分が水平方向のパッチで構成されているため、ピークが存在しない。このため、通常の探索では困難であり、このプラトー上でソルバーによる継続的な改良が行われます。

When the genome encounters this flat part, it will lose the compass and thus even after a few generations, nothing changes. This is equal to no fitness pressure. Until the genome comes across the upper plateaus accidentally, most of the dominating genes are meaningless ones. The final worst case is named as ‘Noise’ here shows a spiky landscape. Even though the solver might achieve the top of a spike, after making the crossover it may suddenly lose their fitness. The reason is that GA attempts to proceed by guessing the approximate right direction. But in this case they suddenly fall down into a crevasse. This sort of landscape makes this algorithm null.

ゲノムはこの平坦な部分に遭遇すると、コンパスを失ってしまうため、数世代たっても何も変わらないのである。これは、適応度のプレッシャーがないに等しい。ゲノムは偶然に上部のプラトーに出くわすまでは、支配的な遺伝子のほとんどは無意味なものである。最終的な最悪のケースは「ノイズ」と呼ばれ、とがったランドスケープを示している。ソルバーが波形の頂点に到達しても、クロスオーバーを行った後、突然適応性が失われることがある。これは、GAがおおよその正しい方向を推測して進もうとするためだ。しかし、この場合、突然クレバス(割れ目)に落ちてしまう。このようなランドスケープが、このアルゴリズムを無効にしている。

fig 3-3-3-3-3,1 : The Diagram of Different Selection Methods

図3-3-3-3-3,1 : 異なる選択方法のダイアグラム

Isotropic Selection, is the simplest kind of procedure in selection. Basically every candidate can get a mate, but has certain functions; it makes the speed, with which a population runs uphill on fitness landscape, and slows down. It therefore avoids the premature colonization of a local optimum. Not depending on the place of the individual on the genome map, which is equal regardless of fitness, his/her chance to have a mate is constant. When everyone has a chance, this selection strategy may be seen as pointless, because this does not affect the gene-pool. However in nature representative examples exist, such as wind-pollination or coral spawning, or females in a walrus colony. In a colony, every female gets to breed with the dominant male, no matter how fit or unfit she is.

等方性淘汰(選択)は、淘汰の手順の中で最も単純(シンプル)なものである。基本的にすべての候補が仲間を得ることができるが、ある種(特定)の機能がある。それは、集団がフィットネス・ランドスケープの上り坂を走る速度を遅くすることである。そのため、局所最適の早すぎるコロニー化を避けることができる。ゲノムマップ上の個体の位置(フィットネスに関係なく等しい)には依存せず、その個体が交配相手を得るチャンスは一定である。すべての人にチャンスがある場合、遺伝子プールに影響を与えないため、この選択戦略は無意味とみなされるかもしれない。しかし、自然界には風花受粉やサンゴの産卵、セイウチのコロニーのメスなど、代表的な例が存在する。セイウチのコロニーでは、雌はどんなに健康であろうとなかろうと、支配的な雄と交配することができる。

Exclusive Selection is the selection method in which only the top N% of the population gets to mate. N is arbitrarily numbered from 0 to 100. When the individual is within N%, he/she can get offspring or multiple offspring. This method obviously affects the gene-pool by improving their fitness, because only fit individuals can reproduce. It is possible to find instances of this in nature, that is Walrus males. Only a certain percent of males can have a harem, the flunkies’ just stay inside without any opportunity to breed.

排他的選択とは、集団の上位N%だけが配偶者を得るという選択方法である。Nは0から100までの任意の数である。個体がN%以内である場合、彼/彼女は子孫または複数の子孫を得ることができる。この方法は明らかに遺伝子群に影響を与え、適応度の高い個体のみが繁殖できる。自然界でも、セイウチのオスのように、このような事例を見つけることができる。一定の割合のオスだけがハーレムを持つことができ、flunkies(八方美人)は繁殖の機会がなくても中にいるだけである。

Biased Selection, which is when the chance of mating increases as the fitness increases, is another common method in nature. This is something typically seen in species that form stable couples. Essentially everybody has the capability of finding a mate, but the more attractive individual has a higher probability of breeding, thus increasing their chances of becoming genetic founders for future generations. To manipulate and control the evolutional direction, power functions are sometimes used to amplify biased Selection. For example, when fitness is more important, exaggerate the curve by using multiplication with a number more than 1, otherwise on the other hand flattening it with less than 1.

偏った選択は、体力が増すほど交配の機会が増えるというもので、これも自然界ではよく見られる方法である。これは、安定したカップルを形成する種に典型的に見られるものである。基本的には誰もが交配相手を見つける能力を持っているが、より魅力的な個体は交配する確率が高く、その結果、将来の世代のための遺伝的基礎となる可能性が高くなるのである。進化の方向性を操作して制御するため、バイアス選択を増幅するために、べき関数(冪乗関数)を用いることがある。例えば、適応度を重視する場合は、1以上の掛け算で曲線を誇張し、逆に1未満で平坦にする方法がある。

There are several methods as a concrete algorithm. But here, ‘Roulette Wheel Selection’ is introduced as the most simple and common example. It is also widely known that the roulette method is not practical for some reasons, so when this is used several techniques such as ‘scaling’ or ‘tournament’ methods may also be implemented. This method is defined as selecting individuals following the fitness proportion. This is so named because this way is similar to the roulette on the darts game which has the fan-shaped target but here the target area relates to fitness.

具体的なアルゴリズムとしては、いくつかの方法がある。しかし、ここでは最も単純で一般的な例として「ルーレット方式」を紹介する。なお、ルーレット方式が実用的でないことは広く知られており、これを用いる場合には、「スケーリング」方式や「トーナメント」方式など、いくつかの手法を導入することがある。この方法は、適応度の割合に従って個体を選択することと定義される。これは、ダーツゲームのルーレットが扇形の的を持つのに似ていることから名付けられたが、ここでは標的の領域が適応度に関連している。

3-3-3-3-4. Crossover

3-3-3-3-4. クロスオーバー

ig 3-3-3-3-4,1 : The Diagram of Crossover

図3-3-3-3-4,1 : クロスオーバーのダイアグラム

The meaning of this process is to generate offspring, once a mate has been selected from a population. When two genomes are mated, it needs to decide what values to assign to the genes of the offspring. All the values between two numerical extremes can be assumed. Because genes in evolutionary algorithms are not always very similar to biological genes, the algorithmic variant is much simpler than biology. Ironically, biological genes are sometimes more digital than programmatic genes, indeed it depends on the way of taking the gene. The biological process of gene recombination is horrendously complicated and itself subject to evolution (meiotic drive) for example, where genes evolve to affect the random process of meiosis and thus improve their chances of ending up in offspring.

このプロセスの意味は、集団から交配相手を選び、子孫を生成すること。2つのゲノムを交配させるとき、子孫の遺伝子にどのような値を割り当てるかを決める必要がある。2つの数値の極値の間のすべての値を仮定することができる。進化的アルゴリズムの遺伝子は必ずしも生物学的な遺伝子とは似ていないため、アルゴリズムの変種は生物学よりもずっと単純なものとなっています。皮肉なことに、生物学的な遺伝子はプログラム的な遺伝子よりもデジタルであることがあり、実際それは遺伝子の取り方次第である。生物学的な遺伝子組み換えのプロセスは恐ろしく複雑で、それ自体が例えば進化(減数分裂駆動)の対象となり、遺伝子は減数分裂のランダムなプロセスに影響を与えるように進化し、子孫に残る確率を向上させる。

As Mendel discovered in the 1860′s, genes are not continuously variable qualities, but they behave like on-off switches. When Mendel crossed wrinkly and smooth peas, he ended up with specific frequencies of each in the subsequent generations, but it never revealed peas whose skins are somewhat wrinkled or smooth.

Crossover is one of the methods of Coalescence. It is said that a somewhat similar mechanism is working in biological recombination as well. Crossover is best suited for when two candidates are already quite similar; it is effective in climbing up a fitness hill.

メンデルが1860年代に発見したように、遺伝子は連続的に変化する性質ではなく、オン・オフスイッチのような働きをするものである。メンデルがしわくちゃのエンドウ豆とつるつるのエンドウ豆を交配させたところ、その後の世代でそれぞれの特定の頻度が得られるようになったが、皮が多少しわくちゃだったりつるつるだったりするエンドウは現われなかったのである。

クロスオーバーは、コアレッセンスの手法の一つである。生物学的な組み換えでも、やや似たようなメカニズムが働いていると言われている。クロスオーバーは、2つの候補がすでにかなり似ている場合に適しており、体力勝負の坂を上るのに効果的である。

There are no gender or sex-based characteristics in the solver. So the combinations of two genes are potentially a completely symmetrical process. In Crossover mating, junior inherits some number of genes (there are a number of ways to exchange genes, such as one point crossover, multipoint crossover, uniform crossover) from one and the remainder from the other. Because of this mechanism gene value is maintained.

ソルバーには性別、または性別に基づく特性はない。そのため、2つの遺伝子の組み合わせは、潜在的には完全に対称的なプロセスとなる。クロスオーバー交配では、ジュニアはある数の遺伝子(一点交配、多点交配、均一交配など、遺伝子の交換方法はいろいろある)を一方から、残りをもう一方から受け継ぐ。このような仕組みにより、遺伝子の価値が維持されている。

Blend Coalescence (including blending preference) is another method for coalescence. For this, new values are computed for genes instead of duplicating existing genes. The most simple example of logic is averaging the values, but others have biased percentages in those interpolations. The latter is called blending preference, usually used with relative parental fitness. When one parent is fitter than another, the former's gene will take a higher proportion in their offspring. This operation is quite natural to get fitter descendants. However, this is not entirely without precedent in biology, it depends to some extent on what level of scale you define as ‘gene’.

混合合体(混合選択を含む)も合体方法の一つです。これには、既存の遺伝子を重複させるのではなく、新しい値を遺伝子に対して計算する。最も簡単な論理の例は値を平均化することだが、それらの補間でパーセンテージが偏るものもある。後者はブレンド・プリファレンスと呼ばれ、通常、相対的な親のフィットネスで使われる。片方の親がもう片方の親より健康な場合、前者の遺伝子がその子孫に占める割合が高くなる。この操作は、より健康な子孫を得るために極めて自然なことである。しかし、これは生物学上まったく前例がないわけではなく、「遺伝子」をどの程度のスケールで定義するかにある程度依存する。

3-3-3-3-5. Mutation

3-3-3-5.突然変異

fig 3-3-3-3-5,1 : The Diagram of Mutation

-3-3-3-5.突然変異のダイアグラム

Mutation is the only mechanism, which can increase diversity in the population. All the mechanisms, which have been discussed such as Selection, Coupling and Coalescence, are basically designed to narrow down an answer within one fitness mountain.

突然変異は、集団の多様性を高めることができる唯一のメカニズムである。これまで議論されてきた選択、結合、合体などのメカニズムは、基本的に1つのフィットネスの山の中で答えを絞り込むように設計されている。

3-3-3-3-6. Re-generation and Repetition

The system now has a new population, which is no longer completely random and which is already starting to cluster around the fitness ‘peaks’. All it has to do is repeat the above steps: kill off the worst performing genomes, breed the best-performing genomes, until it reaches the highest peak.

3-3-3-3-6. 再作成と反復

システムは新しい集団を持っており、それはもはや完全にランダムではなく、すでにフィットネスの「ピーク」付近に集まり始めている。あとは、上記のステップを繰り返すだけである。最も成績の悪いゲノムを殺し、最も成績の良いゲノムを繁殖させ、最高のピークに達するまで繰り返すのである。

Fitness Pressure

On GA, Fitness Pressure is an indication of how strongly it pushes the Solver into a specific

direction. As a result of the explained method, Fitness pressure is determined. Generally, higher pressure makes the calculation time quicker. The Genomes tend to climb up to certain peaks with minimal path, but very high pressure is not necessary for healthy execution as it tends to reduce the diversity in the gene-pool. On the other hand, a very low pressure could also be precarious as it allows the population to spread out. In the extreme case, pressure of 0 is definitely harmful, as the genomes lose their direction of travel, and then the random drift starts to counteract the progress of the algorithm.

フィットネス・プレッシャー

GAでは、フィットネス・プレッシャーとは、ソルバーが特定の方向にどれだけ強く押し出されるかを示すものである。

説明した方法の結果フィットネス・プレッシャーが決定される。一般に圧力が高いほど、計算時間は短くなる。ゲノムは最小限の経路で特定のピークまで登る傾向があるが、非常に高い圧力は遺伝子プールの多様性を低下させる傾向があるため、健全な実行には必要ない。一方、非常に低い圧力は、集団が拡散してしまうため、不安定になる可能性もある。極端なケースでは、圧力が0になると、ゲノムは進行方向を失い、ランダムドリフトがアルゴリズムの進行を阻害し始めるので、間違いなく有害である。

3-4 . Conclusion

The ideas pulled together in this chapter have been developed by a number of experts in various academic fields. However their use in combination is rare highlighting the cross-domain nature of Cybernetic Architecture.

The recent technological developments both in hardware and software computing have been numerous. By using these philosophies and tools, a modified proposal is presented in the next chapter.

3-4 . 結論

本章でまとめたアイデアは、様々な学術分野の多くの専門家によって開発されたものである。しかし、それらを組み合わせて使用することは稀であり、サイバネティック・アーキテクチャのクロスドメイン性を浮き彫りにしている。

近年のハードウェア、ソフトウェアコンピューティングの技術発展は目覚ましいものがある。これらの哲学とツールを用いて、次章で修正案を提示する。