... 昭太郎¹

本稿は情報論的学習理論ワークショップIBIS2006オーガナイズドセッション 「確率モデルと集団最適化」予稿原稿をもとに修正を加えた物です． 産業技術総合研究所 脳神経情報研究部門, 305-8568 茨城県つくば市梅園1-1-1中央第２, e-mail akaho@m.ieice.org,
National Institute of Advanced Industrial Science and Technology (AIST), 1-1-1 Central 2, Umezono, Tsukuba, Ibaraki 305-8568

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

... を生成することにする²

このためには $\cal X$ が可測空間で $f$ は $Z$ が定義可能なものである必要があるなどの 条件が入るが詳細は省略する．

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

... 選ぶことが可能だが³

基本的には確率過程がエルゴード的になるもの である必要がある

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

... はこれを満たすが⁴

ただし一般に $D$ は未知である．

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

... を集団で行う集団モンテカルロ法について説明しよう⁵

本稿では 拡張アンサンブル法と呼ばれる枠組みで幅広く研究されているものの一端を 紹介する．

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

... 重要である⁶

ただし，正の相関が強いと期待値の推定量の分散が 大きくなってしまう．

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

... パラレルテンパリング法では交換のみを行っていた⁷

この場合すべての 個体は同じ温度の上で動いているので交換をしても意味はない

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.