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 |
Granted (Fiscal Year 2022)
|
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 |
Bin Packing問題とは,いくつかの荷物をContainerの中に詰め込む時,Container内の稠密度を最大とするためにはどのような詰め込み方をするとよいかを求める問題のことである.現実問題におけるPackingを考えた時,3次元のBin Packing問題は非常に複雑であり,現実的な時間内に厳密解を求めることができない.そのため,ヒューリスティックな手法をはじめとし,遺伝的アルゴリズムや深層強化学習を用いた手法など様々な近似解法が提案されている.特に深層強化学習を用いた手法は高い精度を示しており,人手による詰め込みを上回る精度の詰め込みが期待されている.しかし深層強化学習によるBin Packing問題の学習は,その問題の複雑さから非常に大きな計算コストを必要とし,様々な条件が求められるBin Packing問題において小さなインスタンスのみによる研究が主となっている.深層強化学習の学習過程の効率化はより大きなインスタンス,または複雑な制約にもとづくBin Packing問題への適用を簡単にし,より現実問題に則したBin Packing問題への深層強化学習の適用を可能とする.本研究では深層強化学習を用いたBin Packing問題の解法においてヒューリスティックな手法による探索範囲の制限を取り入れる手法の提案を行った.Container内のすべての空間について探索を行わず,Bottom-Left法やBest-Fit法といった考えを適用することにより解の候補を事前に提示する.これにより解の精度を保ちつつ,探索空間が大幅に減少し,効率的な学習及び計算コストの削減の効果があることを示した. この研究成果は国際会議,International Symposium on Grids & Clouds (ISGC) 2023にて発表を行なった.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
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は停滞したものの,3年目に取り組む予定であった深層強化学習を既存手法を参考に導入したため,総合的に順調に進展している
|
Strategy for Future Research Activity |
3年目は,1年目に開発した遺伝的アルゴリズムと物理シミュレーションによる解の動的評価を深層強化学に取り入れる.これによって,学習途中の状態の評価を行い,効率的かつコンテナの揺れに頑健なパッキング手順の生成手法を開発する.
|
Report
(2 results)
Research Products
(2 results)