目次
対立遺伝子
対立遺伝子（たいりついでんし、）とは、対立形質を規定する個々の遺伝子を指す。アレル, アリルと呼ばれることもある。
見る Population-based incremental learningと対立遺伝子
アルゴリズム
アルゴリズム（algorithm）とは、解が定まっている「計算可能」問題に対して、その解を正しく求める手続きをさす解が存在しない問題に対しては、それを正しく判定できなければならない。。あるいはそれを形式的に表現したもの。 実用上は、アルゴリズムの実行に要する記憶領域の大きさや完了までに要する時間（空間計算量と時間計算量）が小さいこと、特に問題の規模を大きくした際に必要な記憶領域や計算量が急激に大きくならないことが重要となる。 アルゴリズムの実行は形態によらない。コンピュータプログラムはコンピュータ上に実装されたアルゴリズムの例である。
見る Population-based incremental learningとアルゴリズム
ソースコード
■) で示されているのが有効なコードである。 ソースコード（source code）は、プログラミング言語で書かれた、コンピュータプログラムを表現する文字列（テキストまたはテキストファイル）である。
見る Population-based incremental learningとソースコード
確率
確率（かくりつ、）とは、偶然起こる現象に対する頻度（起こりやすさの指標）のことである。確率の定義は、確率の古典的な定義、確率の公理、頻度主義統計学の3つがある。 どのような現象でも確率をもつとはいえない。数学的にも、確率をもたない集合（非可測集合）や、解釈により確率の数値が異なる問題（ベルトランの逆説など）がある。 理論・結果に基づいたこれらの「客観確率」に対し、個人または特定の集団にしか真偽を判断できない「主観確率」が提唱されている。 （客観）確率の導入は、確率分布を通して、サービスの信頼度などといった、推定・検定に応用されている。 2つのサイコロを振ったときの出た目の和の確率。
見る Population-based incremental learningと確率
空間ベクトル
空間ベクトル（くうかんベクトル、Vektor, vector, vector, 「運搬者、運ぶもの」より）は、大きさと向きを持った量である。ベクタ、ベクターともいう。漢字では有向量と表記される。ベクトルで表される量をベクトル量と呼ぶ。 例えば、速度や加速度、力はベクトルである。平面上や空間内の矢印（有向線分）として幾何学的にイメージされる。ベクトルという用語はハミルトンによってスカラーなどの用語とともに導入された。スカラーはベクトルとは対比の意味を持つ。 この記事では、ユークリッド空間内の幾何ベクトル、とくに3次元のものについて扱い、部分的に一般化・抽象化された場合について言及する。本項目で特に断り無く空間と呼ぶときは、3次元実ユークリッド空間のことを指す。
見る Population-based incremental learningと空間ベクトル
遺伝子型
遺伝子型（いでんしがた、いでんしけい、）は、ある生物の個体が持つ遺伝物質の構成である。遺伝型とも。しかし、遺伝子型はしばしば、目の色の遺伝子型のように、単一の遺伝子または遺伝子の集合を指すために使用される。この遺伝子は、髪の色や身長など、生物の観察可能な特性（表現型、）を決定する役割を担っている。遺伝子型によって決定される特性の例は、エンドウの花びらの色がある。単一の形質に対するすべての遺伝的可能性の集まりは対立遺伝子（）と呼ばれる。花びらの色に関する2つの対立遺伝子は紫と白である。 遺伝子型は、表現型を決定する3つの要因の1つである。他の2つは、環境要因（遺伝しない）とエピジェネティック要因（遺伝する）である。外見や行動は環境や生育状態によって変化するため、同じ遺伝子型を持つすべての個体が同じように見えたり、同じように行動したりするわけではない。同様に、外見が似ているすべての生物が必ずしも同じ遺伝子型を持っているわけではない。一般的には、関心のある特定の遺伝子と、その個体が持つ対立遺伝子の組み合わせに関する個体の遺伝子型を指すことが多い（ホモ接合型、ヘテロ接合型を参照）。遺伝子型はしばしば文字で示され、例えばBbのように、Bはある対立遺伝子を表し、bは別の対立遺伝子を表す。
見る Population-based incremental learningと遺伝子型
遺伝的アルゴリズム
遺伝的アルゴリズム（いでんてきアルゴリズム、英語：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。人工生命同様、偶然の要素でコンピューターの制御を左右する。4つの主要な進化的アルゴリズムの一つであり、その中でも最も一般的に使用されている。
見る Population-based incremental learningと遺伝的アルゴリズム
計算機科学
計算機科学（けいさんきかがく、computer science、コンピューター・サイエンス）またはコンピュータ科学、CSとは、情報と計算の理論的基礎、およびそのコンピュータ上への実装と応用に関する研究分野である。コンピュータサイエンス（computer science）は「情報科学」や「情報工学」とも和訳される。コンピュータ科学には様々な分野がある。コンピュータグラフィックスのように応用に力点がある領域もあれば、理論計算機科学と呼ばれる分野のように数学的な性格が強い分野もある。計算科学は科学技術計算という「計算需要」に応えるための分野であり、それを実現する手段の研究は高性能計算である。また、一見わかりやすい分類として、計算機工学など「ハードウェア」と、プログラミングなど「ソフトウェア」という分類があるが、再構成可能コンピューティングのようにその両方といえる分野があるなど、単純に分類ができるようなものではない。
見る Population-based incremental learningと計算機科学
Java
Java（ジャバ、ジャヴァ）は、汎用プログラミング言語とソフトウェアプラットフォームの双方を指している総称ブランドである。オラクルおよびその関連会社の登録商標である。1996年にサン・マイクロシステムズによって市場リリースされ、2010年に同社がオラクルに吸収合併された事によりJavaの版権もそちらに移行した。 プログラミング言語Javaは、C++に類似の構文、クラスベースのオブジェクト指向、マルチスレッド、ガベージコレクション、コンポーネントベース、分散コンピューティングといった特徴を持ち、平易性重視のプログラム書式による堅牢性と、仮想マシン上での実行によるセキュリティ性およびプラットフォーム非依存性が理念とされている。
見る Population-based incremental learningとJava
機械学習
機械学習（きかいがくしゅう、）とは、経験からの学習により自動で改善するコンピューターアルゴリズムもしくはその研究領域で、人工知能の一種であるとみなされている。 典型的には「訓練データ」もしくは「学習データ」と呼ばれるデータを使って学習し、学習結果を使って何らかのタスクをこなすものとされる。例えば過去のスパムメールを訓練データとして用いて学習し、スパムフィルタリングというタスクをこなす、といったものである。
見る Population-based incremental learningと機械学習
最適化問題
最適化問題（さいてきかもんだい、optimization problem）とは、特定の集合上で定義された実数値関数または整数値関数についてその値が最小（もしくは最大）となる状態を解析する問題である矢部2006、2頁。。こうした問題は総称して数理計画問題（すうりけいかくもんだい、mathematical programming problem, mathematical program）、数理計画とも呼ばれる。最適化問題は、自然科学、工学、社会科学などの多種多様な分野で発生する基本的な問題の一つであり、その歴史は18世紀の変分問題に遡る矢部2006、ⅳ頁。。1940年代に線型計画法が登場して以来、理論的な研究や数値解法の研究が非常に活発に行われ、その応用範囲はいろいろな分野に拡大されていった。実世界の現象の数理的な解析に関わる問題や抽象的な理論の多くをこの最適化問題という一般的なくくりに入れることができる。
見る Population-based incremental learningと最適化問題
1994年
この項目では、国際的な視点に基づいた1994年について記載する。
見る Population-based incremental learningと1994年
参考情報
遺伝的アルゴリズム
- Population-based incremental learning
- 適応度関数
- 遺伝的アルゴリズム
- 遺伝的プログラミング
PBIL 別名。