Promptの説明

## 簡略化された遺伝的アルゴリズムのプロセス（特に応力-ひずみ曲線フィッティング用） ### I. コアフレームワークと目的 #### 1. 全体的なロジック 「選択-交叉-突然変異-評価-選択」ループに基づき、パラメータ制約（|a₁|+|a₂|+|a₃|=1）に適応させ、プロセスは「準備 → 単一世代の反復 → 終了監視 → 結果出力」となる。 #### 2. コアとなる目的 指定されたひずみ範囲におけるフィッティング精度を向上させるため、重み付けされた包括的誤差（0.4 × 正規化MSE + 0.6 × 正規化重み付けMRE）を最小化する。 #### 3. 反復制御 - 最大反復世代数：デフォルト100世代 - 早期終了：20世代連続で誤差の有意な改善が見られない場合（改善 < 1e-8）、反復を停止する。 ### II. 準備：初期個体群の構築と評価 #### 1. 初期個体群の生成 - サイズ：デフォルト10,000個体 - 制約保証：ランダムな分割＋符号の割り当てにより、すべての個体がパラメータ制約を満たし、無効な解がないことを保証する。 #### 2. 適合度評価 - 各個体の重み付けされた包括的誤差を計算し、品質を判断するための基準とする。 - 初期最適誤差と平均誤差を記録し、反復のベースラインを確立する。 ### III. 単一世代の反復のコアステップ #### 1. 交叉による子個体の生成 - サイズ：デフォルト10,000 - 親の選択：適合度の高い2個体（トーナメント選択） - 制約保証：絶対値と符号を別々に交叉させ、正規化して制約が満たされるようにする。 - 評価待ちとしてマークする。 #### 2. 突然変異による子個体の生成 - サイズ：デフォルト1,000 - 親の選択：1つの高品質な個体をクローンする - 適応的突然変異：突然変異強度を反復とともに減衰させる（初期0.05 → 最小0.005）、パラメータ符号を反転させる確率10%。 - 制約保証：突然変異後に正規化し、パラメータ制約を維持する。 - 評価待ちとしてマークする。 #### 3. 個体群のマージと評価 - 現在の個体群、交叉子個体、および突然変異子個体をマージする。 - 評価対象の個体の適合度を一括で計算し、個体群全体の誤差データを更新する。 ### IV. 新世代個体群の選択 「エリート＋ランダム」ハイブリッド戦略を採用（合計サイズは10,000のまま）： - エリート選択（80%）：最適な適合度を持つ個体を保持し、収束を保証する。 - ランダム選択（20%）：多様性を導入し、局所最適解を回避する。 ### V. 監視と終了 #### 1. リアルタイム監視指標 - 最小包括的誤差（最適適合度） - 平均包括的誤差（個体群全体のレベル） - 突然変異強度（探索 → 洗練状態） #### 2. 終了と出力 - 終了条件：最大反復回数に達するか、早期終了がトリガーされる。 - 出力結果：最適なフィッティングパラメータ、最小誤差、反復回数、終了理由、総消費時間。