週一回のゼミを行い、論文輪読や研究進捗を行います。これとは別に、研究の進展に合わせて、打ち合わせを随時行います。

国内外で学会発表を取り組みます。現在まで、進化計算分野のトップカンファレンスやトップジャーナルで成果を公表しており、引き続きこの水準を目指して頑張ります。

個人の研究環境は、PC1台、モニター2, 3枚です。加えて、実験用計算機が100台程度あります。

進化的知能は、比較的に新しい研究領域であり、解決すべき課題が未だたくさんあります。進化する能力を計算機上で模擬することで、どんな可能性が拓けると思いますか？この探求を一緒に考え、進め、学術を発展させる挑戦的な人を求めています。

最適化問題は実社会の至る所に存在します。そして、最適化技術を用いると、既存の性能を超える「革新的な答え」を発見できる可能性が拡がります。本研究室では、最適化技術を駆使し、様々な分野に解決策を提案できる人材の育成を目標としています。

研究室には、様々な将来目標をもつ学生が集まりますが、研究活動を通して自己研鑽を積む点では共通しています。研究に取り組む意義を充分に考え、認識したうえで研究室を選んでください。研究に取り組んだ分だけ、学会発表、論文執筆、海外留学など様々な機会が得られます。

進化計算の基礎を学習しながらプログラミング演習を行います。基本的な進化計算の実装を行った後、改良手法を自ら考案・実装し、その成果をゼミで発表します。また、B3生一人ひとりにメンターが付きアドバイスを得ることができるので、プログラミングに精通していなくても大丈夫です。

研究テーマを決定し、関連する研究グループに所属します。進化計算を軸としつつもグループ毎に必要な知識が異なります。そのため、研究グループの先輩と連携しながら、論文の読み方や実験の行い方、研究テーマに特化した勉強を更に進めていきます。早い人は、この時点で研究に着手します。

基礎学習の成果、あるいは、研究成果をまとめたレポートをLatex言語を用いて作成し、発表します。研究成果があった人は、3月に学会発表を行うとともに、国際会議への論文投稿の準備を進めます。

現在、コアタイムは設けていませんが、平日は研究室にきて研究するのが普通です。自身の自己管理のもと、研究活動とプライベート

配属後のプログラミング演習を通じてトレーニングできますので大丈夫です。ただ、プログラミングが好きであった方が良いです。

Python、MATLAB、ときどきC#を用います。研究テーマによって異なります。

あります。特段の理由がない限り（現在までそのような理由はない）、長期休暇中は研究室自体がシャットダウンです。