現在、深層学習や生成系AIなどの機械学習や人工知能 (AI) の話題が毎日のように取り上げられ、社会の関心が集まっています。ほとんどの機械学習は、入力に対する出力の「誤差」を最小化 (=評価を最大化) する技術です。また、量子計算における量子アニーリングの主なテーマは問題を最小値探索問題として記述することです。つまり、全ての人工知能や情報処理は「最適化」という概念で表すことができます。最適化は非常に広い概念であるとともに、あらゆる工学・産業・社会を制する技術であると言えます。
　講師らは、最適化法の中でも、生物進化から着想された進化計算法 (EC:Evolutional Computation) に以前から注目して長年に渡って研究を続けてきました。そして進化計算こそが最も重要な工学技術であると確信しています。
　本セミナーでは、今後益々その重要性とニーズが高まると予想される進化計算法の基礎から応用までを易しく解説します。ご関心がおありの方はぜひ奮ってご参加下さい。

1. 最適化=全てを制する工学技術
   1. 工学・人工知能・機械学習と最適化の関係
   2. 最適化問題・最適化法の種類と特徴
2. 進化計算法 (EC:Evolutional Computation) の基礎
   1. 基本的な考え方
   2. 遺伝的アルゴリズム (GA)
   3. 遺伝的プログラミング (GP・CGP)
   4. 進化戦略 (ES) と実数値最適化 (CMA-ES)
   5. 進化型多目的最適化 (EMO)
   6. 様々な進化計算法
      • GMA
      • EDEN
      • GRAPE 他
3. 進化計算法 (EC) の応用
   1. 最大/最小値探索への応用
   2. 関数推定への応用
   3. 画像処理・認識への応用
   4. 進化型神経回路網への応用
   5. 深層回路の最適化への応用
   6. ルール集合の最適化への応用
   7. マルチエージェント制御への応用
4. まとめと質疑応答