Pythonではじめるオープンエンドな進化的アルゴリズム ―発散型の機械学習による多様な解の探索

6章POETアルゴリズム

6.1　共進化：複雑で多様な環境への適応

5章では、オープンエンドな進化を促すMCCアルゴリズムを紹介しました。このアルゴリズムを使うと、エージェントは制約のある資源を持つ環境を探索し始めます。結果として、難易度の高い迷路が解かれ、環境とエージェントの共進化が促進される様子を確認しました。

ですが、MCCアルゴリズムにはいくつかの課題もあります。特に、エージェントが一度解いた環境の最適化は行われないため、エージェントの能力が十分に引き出されにくいのです。これは、次世代に個体が残るための唯一の条件が「少なくとも1つの迷路を解けること」であるためです。

これは我々の日常生活にも通じることです。コーヒーを淹れる例を考えてみましょう。ここでの「環境」は気温や湿度、水質など、「エージェント」はコーヒーのレシピです。MCCアルゴリズムを使用して特定の水質に適したレシピを見つける場合、最低条件（たとえば、まずまず美味しいコーヒーができること）を満たすレシピは見つけられますが、最適なレシピかどうかはわかりません。ここでの「最適」とは、特定の水質で最も美味しいコーヒーを淹れるためのレシピを意味します（何が最適なレシピかは、コーヒーを飲む人の好みによって異なりますが、評価者がいることを仮定します）。最適なレシピを見つけるには、豆の種類や挽き方、水温などの調整が必要ですが、MCCアルゴリズムでは最低条件を満たすレシピを見つけるために設計されており、最適なレシピを特定するための細かな調整は行いません。

これは、より複雑な環境が次世代に継承されにくいという問題につながります。たとえば、基本的なコーヒーのレシピで十分な味が得られる環境Aと、水質の違いにより豊かな風味を引き出す必要がある少し高度な環境A'があるとします。環境A ...