マルチエージェント環境と知識獲得プロセスに関する研究

Research Project

Project/Area Number	05213205
Research Category	Grant-in-Aid for Scientific Research on Priority Areas
Allocation Type	Single-year Grants
Research Institution	Shizuoka University
Principal Investigator	山口高平静岡大学, 工学部, 助教授 (20174617)
Co-Investigator(Kenkyū-buntansha)	渡辺尚静岡大学, 工学部, 助教授 (90201201)
Project Period (FY)	1993
Project Status	Completed (Fiscal Year 1993)
Budget Amount *help	¥1,700,000 (Direct Cost: ¥1,700,000) Fiscal Year 1993: ¥1,700,000 (Direct Cost: ¥1,700,000)
Keywords	ルールベース洗練化 / ルールインダクション / 機械学習 / 株式市場分析 / テクニカル分析
Research Abstract	ルールベースに適用すべきデータセット(DS)を選定するメタルールを学習させる事により,ルールベースの洗練化効果を安定させる枠組みを考案した.最初に,初期ルールベース(IRB)とDS群をルール実行部に与えて実行し,DS群をある評価基準により成功DSと失敗DSに分類する.次に,分類されたDS群から,ルールインダクションを適用して決定木を作成する.決定木の根節点から葉節点までのパスが,葉節点に含まれるデータ群を選択するための一つのメタルールとなる.さらに,得られたメタルールベースを用いて,DS群からIRBを洗練化するための学習DSを選択し,IRBとその学習DSをルール洗練化機構に与え,4種類の洗練化戦略(一般化,特殊化,ドメイン,タスク)を繰り返し適用しIRBを洗練化する.最終的に,DS選定ルールベースにより未知DSをスクリーニングさせて,洗練化ルールベースを実行し評価する.本枠組みを株式市場テクニカル分析ルールベースを洗練化する問題に適用した結果,DSを選定するためのメタルールの付与,並びに,ルールベースの洗練化を単独に実行しただけでは,洗練化されたルールベースがIRBより常に良い性能を発揮するとは限らなかった.しかしながら,その両方を実行すれば,ルールベースの洗練化効果が安定し,洗練化されたルールベースがIRBより常に良い性能を保持する事が判明した.今後は,経済環境が大きく異なるデータセットに対する洗練化効果の維持が大きな課題である.