2種類のロバスト性を統合したデータ駆動意思決定モデルの構築

• Project/Area Number: 24K01113
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 25010:Social systems engineering-related
• Research Institution: Chuo University
• Principal Investigator: 後藤 順哉 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): 2024-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥15,860,000 (Direct Cost: ¥12,200,000、Indirect Cost: ¥3,660,000); Fiscal Year 2028: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000); Fiscal Year 2027: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000); Fiscal Year 2026: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000); Fiscal Year 2025: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000); Fiscal Year 2024: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
• Keywords: 分布的ロバスト最適化 / データ駆動型意思決定 / 数理最適化

Outline of Research at the Start

統計モデルの推定(estimation/prediction)と推定されたモデルに基づく意思決定(decision)はデータをモデルに基づく意思決定に繋げる上で標準的なステップである。これら2つをどのように結び付けていくかを念頭に置き、そこで現れる最適化モデルにおいて、凸最適化からパラメータを連続的に変化させて得られる非凸最適化を利用することで非凸性をブレンドし、従来独立に考えられてきた「想定分布に対するロバスト性」と「無関係／外れ値データに対するロバスト性」という2つの異なるロバスト性を統合することで、解釈可能性と事後性能を両立した新しいデータ駆動意思決定モデルの構築を目指す。