| Project/Area Number |
19H02379
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 25010:Social systems engineering-related
|
|---|
| Research Institution | Chuo University |
|---|
Principal Investigator |
GOTOH Jun-ya 中央大学, 理工学部, 教授 (40334031)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高野 祐一 筑波大学, システム情報系, 准教授 (40602959)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥8,190,000 (Direct Cost: ¥6,300,000、Indirect Cost: ¥1,890,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2021: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2020: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2019: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
|
|---|
| Keywords | 数理最適化 / データ / ロバスト / スパース最適化 / 機械学習 / データ解析 / ロバスト最適化 |
|---|
| Outline of Research at the Start |
経営科学におけるデータ解析に基づく意思決定（ビジネスアナリティクス）において、その技術のロジックを人間が解釈し易いように、手法の再整備を目指す。より具体的には、現実社会で見られるデータが持つ、扱いづらい性質のいくつかに注目し、研究代表者らが最近提示した非凸最適化のモデリング技法を用い、なるべく統合的な形でデータ解析手法を提示していく。
|
| Outline of Final Research Achievements |
data analysis methods and decision making in management science can be approached through mathematical optimization models. In this research project, we propose more advanced data analysis methods based on optimization modeling and algorithms that contribute to such modelings and decision-making problems, using the non-convex optimization modeling technique presented by the P.I.in the past year. In addition, a theoretical analysis of out-of-sample performance and an interpretation of a robust
optimization modeling, a form of optimization for adversarial situations, were given to suggest a parameter setting policy.
|
| Academic Significance and Societal Importance of the Research Achievements |
経営科学におけるデータ解析に基づく意思決定（ビジネスアナリティクス）において、その技術のロジックを人間が解釈し易くなるような手法の提案を目指す。より具体的には、現実社会で見られるデータが持つ、扱いづらい性質のいくつかに注目し、研究代表者らが最近提示した非凸最適化のモデリング技法を用い、なるべく統合的な形でデータ解析手法を提示していく。このように背後のロジックが明確な方法論についても新しい方法論を提示し、理解を深めることで、ブラックボックス化を前提に進むデータ解析手法の補完技術を整備する。
|
