遺伝的アルゴリズム(GA)を進める上で、遺伝子情報を次世代に引き継ぐ「選択淘汰(Selection)」と、遺伝子同士を掛け合わせる「交叉(Crossover)」は進化の二大主役です。しかし、これらと同等か、時にはそれ以上に重要な隠れたプロセスがあります。それが「突然変異(Mutation)」です。
なぜコンピュータ上で動作する数理プログラムにおいて、わざわざ「ランダムに遺伝子を書き換えて破壊する」ような処理が必要なのでしょうか?
本記事では、突然変異の数理的な役割、突然変異率(Mutation Rate)の設定における難しさ、そして多様性と最適化のジレンマについて解説します。
1. 突然変異の数理的な定義と役割
遺伝的アルゴリズムにおける突然変異とは、「生成された新しい子個体のDNA配列の特定パラメータを、一定の確率で全く別の新しい数値にランダムに書き換える処理」を指します。
もし突然変異が無く、選択淘汰と交叉だけで進化を繰り返した場合、システムは以下のような深刻な問題に直面します:
- 遺伝的多様性の急激な喪失: 集団の中に存在していた多様なパラメータが、優秀な個体への選択淘汰によって徐々に絞り込まれ、やがて集団の全員がほぼ同じ遺伝子(同一のクローン)になってしまいます。
- 未知の領域の探索不能: 交叉は「親たちが既に持っているパラメータの範囲内」でしか新しい組み合わせを作れません。親たちのDNAにない新しい色や、全く新しい角度のカーブは、交叉からは永久に生まれません。
突然変異の最大の役割は、「これまでの親の世代には存在しなかった、未知の新しい可能性(新しい次元の座標)を遺伝子プールに強制注入すること」にあります。
2. 突然変異率(Mutation Rate)が高すぎる場合と低すぎる場合のジレンマ
突然変異は多ければ多いほど良いわけではありません。突然変異の発生確率(突然変異率)の調整は、GAの設計における最も繊細で難しいポイントの一つです。
突然変異率のジレンマ
- 突然変異率が低すぎる場合(例: 0.1%未満):
集団の均一化が早すぎて、目的の「一番美しい状態(最適解)」に辿り着く前に進化が停滞します。これを**早期収束(Premature Convergence)**と呼び、初期〜中期段階での進化の失敗を招きます。 - 突然変異率が高すぎる場合(例: 50%以上):
せっかくスワイプ選択で磨き上げた優秀な遺伝子情報が、次世代へのインサート時にランダムにどんどん破壊されてしまいます。これはもはや「進化(最適化)」ではなく、単なる**「ランダムウォーク(デタラメな生成)」**になってしまい、美しさのレベルが世代を重ねても一向に向上しなくなります。
3. 多様性の維持(Exploration)と収束(Exploitation)のバランス
計算機科学では、最適化探索において以下の2つの概念のバランスを取ることが非常に重要とされています。
- 探索(Exploration): まだ見ぬ新しい領域、これまで試したことのないパラメータ領域を広く見にいくこと(突然変異が主導します)。
- 利用・収束(Exploitation): これまでに発見した良いパラメータの周辺を、より細かくチューニングして精度を高めること(選択淘汰と交叉が主導します)。
この2つのパワーバランスが絶妙に保たれているときのみ、GAは「美しく整った、かつオリジナリティに満ちた個体」をハイペースで創り出すことができます。gene46においても、このバランスがアルゴリズムのパラメータ(突然変異率 30%程度に設計)に反映されています。
4. gene46の描画モードにおける突然変異パラメータ設計
gene46では、線画(Line)とモザイク(Mosaic)の2つのモードで、突然変異の挙動が異なる数理モデルで実装されています。
- 線画モード: ベジェ曲線のXY座標を示す実数パラメータに対し、「ガウス分布(正規分布)」に基づいた摂動(ノイズ)を加えます。これにより、極端に大破することなく、「親の美しい曲線をベースに、わずかに歪ませたり角度を変えたりする穏やかな突然変異」を実現しています。
- モザイクモード: 数式ノードの結合構造そのものをランダムに変更するため、突然変異が起きた際に「一気に全く異なる幾何学模様に変貌する」ようなドラスティックな変異を発生させやすくなっています。
5. まとめ
突然変異は、アルゴリズムが同じパターンに閉じこもるのを防ぐための「創造的なスパイス」です。プレイ中に「突然グラデーションのパターンが変わった個体が現れた」「見たこともない歪み方をしたカードが出た」というときは、まさに突然変異の魔法が働いた瞬間です。その偶然の美しさを捉えて「いいね」することで、進化の歴史に新しい道を開拓してみてください。
📚 参考文献・一次情報源(Citation & References)
- DeJong, K. A. (1975), An Analysis of the Behavior of a Class of Genetic Adaptive Systems, PhD thesis, University of Michigan
- 探索(Exploration)と利用(Exploitation)のトレードオフ — Wikipedia 遺伝的アルゴリズム項目
この記事の執筆・監修
gene46 運営・開発チーム (GA研究ユニット)
遺伝的アルゴリズム(GA)を用いた自律進化型ジェネレーティブアートの挙動および最適化について研究・開発を行っているプロジェクトチームです。ゲーム開発と計算機科学の境界線上で活動しています。