大規模かつ多様な問題に対応可能な3次元パッキング問題解法
Project/Area Number |
21K12030
|
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 | Osaka University |
Principal Investigator |
間下 以大 大阪大学, サイバーメディアセンター, 准教授 (00467606)
|
Co-Investigator(Kenkyū-buntansha) |
李 天鎬 岡山理科大学, 総合情報学部, 教授 (70792737)
|
Project Period (FY) |
2021-04-01 – 2024-03-31
|
Project Status |
Completed (Fiscal Year 2023)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
Keywords | Bin Packing 問題 / 深層強化学習 / 3次元パッキング / 強化学習 / 遺伝的アルゴリズム |
Outline of Research at the Start |
本研究計画では物理シミュレーションによる解評価を行う3 次元パッキング問題について,実用的で大規模な問題に対応可能なパッキング問題の解法を開発する.本計画の特色は,物理シミュレーションによる解評価を機械学習によって高速化,大規模な問題でも良い解が得られる手順エンコーディング/デコーディング手法の開発,中間状態を評価するための機械学習の3 点である.これらを達成することによって,メタヒューリスティック解法の利点である様々な制約条件や問題サイズの変化に対応できる柔軟性を維持しつつ,従来では難しかった問題サイズに対してもより良い解を得ることを可能にする.
|
Outline of Annual Research Achievements |
2022年に引き続き3次元の箱(Container)の中に効率的に荷物(Cargo)を詰め込む,3次元のBinpacking問題の解法に取り組んだ.2022年度は2023年度に取り組む予定であった強化学習を用いた解法の改良に取り組んだため,2023年度では,2年目で取り組む予定であった,エンコーディング,デコーディングの開発に取り組んだ. 本研究では遺伝的アルゴリズムによる解法を基本としているが,従来のBottom-left-back法のような手法では,先に置かれた荷物の状態によって後半の荷物のおく順番と性能が大きく影響する.そのため,遺伝的アルゴリズムによる解法の探索効率が非常に悪くなっていた.本研究ではCargoの置く位置を遺伝子に組み込み,より自由度の高く,かつ遺伝的アルゴリズムによる探索に適したエンコーディング/デコーディング手法の開発を行なった.また,このようなエンコーディングに合わせてCargoの順番を保存して位置を微修正するCrossover手法やCargoの回転を遺伝子に組み込んだ手法の開発にも取り組んだ.
|
Report
(3 results)
Research Products
(2 results)