| Project/Area Number |
20H02382
|
|---|
| 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 | University of Tsukuba |
|---|
Principal Investigator |
繁野 麻衣子 筑波大学, システム情報系, 教授 (40272687)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
八森 正泰 筑波大学, システム情報系, 准教授 (00344862)
安東 弘泰 東北大学, 材料科学高等研究所, 教授 (20553770)
佐野 良夫 筑波大学, システム情報系, 准教授 (20650261)
高野 祐一 筑波大学, システム情報系, 准教授 (40602959)
吉瀬 章子 筑波大学, システム情報系, 教授 (50234472)
呉 謙 法政大学, 理工学部, 助教 (10976294)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 最適化 / アルゴリズム / ネットワーク / 大規模データ / ネットワーク最適化 |
|---|
| Outline of Research at the Start |
大規模データ時代における社会システムの問題解決や構造分析では，データ分析と最適化が融合した手法が実用に近づいている．一方で，機械学習や最適化が汎用性を増す程，なぜその結果が得られるのかの裏付けに弱いということが，意思決定の現場では指摘されてきた．つまり，大規模データを活用して戦略策定を行う手法を広く実応用するためには，出力の説明力が重要となる．そこで本研究では，汎用性を捨て，各々の問題ごとに特化したモデルを利用し，単に機械学習と最適化を組み合わせた手法から脱却して，説明力をもった出力を目指す．そのために，対象をネットワーク最適化に絞り，適切なモデル構築や解法の枠組みの可能性を検討する．
|
| Outline of Annual Research Achievements |
最適化問題に対して，大規模データを伴う実応用を想定したモデル構築とアルゴリズム作成した．
光通信ネットワークの資源割り当て問題に対しては，１通信要求を収容する際に帯域分割や複数ルート選択ができる場合を想定し，通信要求の到着・消滅が起こる中での適切な収容ルールを提案しその有効性を示した．具体的には，通信要求を収容する連続した帯域を後の通信要求に残すような指標を導入することで，全体としてのブロッキング率や分割数などを改善した．
スポーツスケジューリングでは，公平性を考慮したホーム・アウェイ方式の対戦表作成をした．移動コストを考慮したときに，連続するホームゲームが好ましいことから，２連続のホームゲームまで許したときにの対戦スケジュールの性質を明らかにしチーム数34までの最適なスケジュール作成を行なった．また，同じホームに2チームが所属するときの対戦表作成の性質や，対戦順序に関する公平性指標の一つであるcarry over effect値がより小さくなる対戦表を作成するためのヒューリスティックアルゴリズムを開発した．
大規模データの処理にネットワーク最適化手法を適用した事例として，市場を4分類するセグメンテーション手法を提案し，eショッピングのスマホアプリ利用ログからユーザを分類することで，キャンペーンの効果の検証に有用であることを示した．さらに，データの匿名化において，属性のランダム化のみでなく元データの特性を維持しつつユーザ情報をシャッフルするために大規模な輸送問題を解く手法と組み合わせることで，匿名化と同時に元データの大域的な情報を保持できることをスマートフォンアプリケーションのアプリ使用傾向により示すなどデータ利用面からアプローチした．
また，通勤相乗り問題において，実応用にむけたモデルの課題点の明確化や長期カープーリングでの公平な相乗りを求めるアルゴリズムを構築した．
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
