2018 Fiscal Year Annual Research Report
Developing the Foundation of Optimization Methods for Community Detection in Networks
| Project/Area Number |
17H07357
|
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
宮内 敦史 国立研究開発法人理化学研究所, 革新知能統合研究センター, 特別研究員 (80804202)
|
|---|
| Project Period (FY) |
2017-08-25 – 2019-03-31
|
| Keywords | 複雑ネットワーク / コミュニティ検出 / モデル化 / アルゴリズム設計 / 数理最適化 |
|---|
| Outline of Annual Research Achievements |
平成30年度においては，以下の二つの成果を得た．
一つ目の成果は，コミュニティ検出の「モデル化」に関するものである．コミュニティ検出法を設計するときには，頂点部分集合に対する評価関数を定義し，その評価関数を最大化するアルゴリズムを設計することが多い．最も活発に利用されている評価関数の一つは「密度」であり，それを最大化する「最密部分グラフ問題」は，コミュニティ検出の代表的なモデル化の一つである．しかしながら，最密部分グラフ問題は，ある強力な仮定を暗に置いている．それは，グラフの真の枝重みが厳密に与えられている，という仮定である．実社会の応用では，真の枝重みの推定値しか得られない場合や，その上下界しか得られない場合など，枝重みに関して不確実な情報しか得られないという状況は多い．本研究では，ロバスト最適化の理論を用いて，このような不確実な状況を扱うための新たなモデル化を導入した．具体的には，「ロバスト最密部分グラフ問題」と「サンプリング・オラクル付きロバスト最密部分グラフ問題」という，二つの最適化問題を導入した．
二つ目の成果は，コミュニティ検出の「アルゴリズム設計」に関するものである．上記の二つの問題のそれぞれに対して，理論的な精度保証をもつアルゴリズムを設計した．どちらのアルゴリズムも最密部分グラフ問題の既存のアルゴリズムに基づいているが，不確実性を扱うための様々な工夫が施されている．アルゴリズムの性能は，豊富なデータセットを用いて，実験的にも詳しく評価した．
|
| Research Progress Status |
平成30年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
平成30年度が最終年度であるため、記入しない。
|
Research Products
(10 results)
