| Project/Area Number |
21K12009
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | Tokyo Denki University (2022-2023)
The University of Tokyo (2021) |
|---|
Principal Investigator |
篠原 修二 東京電機大学, 理工学部, 准教授 (10325897)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
森山 徹 信州大学, 学術研究院繊維学系, 准教授 (20325898)
中島 義裕 大阪公立大学, 大学院経済学研究科, 教授 (40336798)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2023: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
|---|
| Keywords | レヴィウォーク / べき分布 / コーシー分布 / 最適化 / 指数分布 / 目的指向的 / 逆ベイズ推定 / 採餌行動 / 無根拠な確信 |
|---|
| Outline of Research at the Start |
本研究の目的は、意思決定能力を持つ生物では，非定常環境で判断を下す際の確信度の強弱がレヴィウォークのような移動パターンを引き起こす，との仮説を検証することである．
年度ごとの研究計画概要は以下である．
1.拡張型ベイズ推定を用いた非定常環境下での意思決定モデルの構築（令和3年度）
2.非定常環境における意思決定が行動パターンに与える影響評価（令和4年度）
3.レヴィウォークとブラウニアンウォークが切替わる要因・条件の解明（令和5年度）
|
| Outline of Annual Research Achievements |
レヴィウォークの中でも特に指数が2に近いもの（コーシーウォークと呼ばれる）がしばしば観察されており、なぜそのような行動が出現するのかが議論されてきた。前年度我々は、目的指向的タスクにおいてコーシーウォークが普遍的に表れることを示した。ただしそれは2次元空間に限定されていた。今年度は前年度に提案したモデルを簡潔にし、かつ多次元に拡張したモデルを開発した。
モデルでは、毎回ランダムに設定した目的地（目印）に近づこうとするエージェントをモデル化した。このモデルでは、エージェントが最短距離で目的地に近づこうとする度合をパラメータ化した。移動距離に比例して探索コストがかかると仮定すれば、このパラメータはエージェントが探索コスト最小化制約をどれだけ優先するかをモデル化したものと言える。実験の結果、エージェントが最小化制約を遵守すればその移動行動はブラウニアンウォークになる一方、制約を取り除けばその移動行動はコーシーウォークになることが明らかになった。さらにパラメータを両者の間で連続的に変化させることによってブラウニアンウォークからコーシーウォークへ連続的に変化することも明らかになった。さらに探索コスト最小化制約を取り除くことでなぜコーシーウォークが出現するかを理論的に分析した。
このモデルは、多次元空間上で一つのパラメータをコントロールすることでブラウニアンウォークからコーシーウォークへ自由に変化させることができるため、今後最適化問題のパラメータ探索などへの応用が期待できる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
シミュレーション結果が予想通りに出せたため。
|
| Strategy for Future Research Activity |
今後は、提案モデルとメタヒューリスティクスアルゴリズムを組み合わせることで様々な最適化問題に適用する予定である。
|
