2021 Fiscal Year Annual Research Report
機械学習システムの社会実装に向けた次世代最適化技法の研究
| Project/Area Number |
19H00808
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
水野 眞治 東京工業大学, 工学院, 教授 (90174036)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中田 和秀 東京工業大学, 工学院, 教授 (00312984)
北原 知就 九州大学, 経済学研究院, 准教授 (10551260)
鮭川 矩義 筑波大学, システム情報系, 助教 (20757710)
高澤 陽太朗 青山学院大学, 理工学部, 助教 (20871130)
後藤 順哉 中央大学, 理工学部, 教授 (40334031)
高野 祐一 筑波大学, システム情報系, 准教授 (40602959)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 社会システム工学 / 経営工学 / オペレーションズリサーチ / 最適化 / 機械学習 / 社会実装 |
|---|
| Outline of Annual Research Achievements |
本年度は、これまでに得られた知見を活かし、（１）最適化アルゴリズムの高性能化、（２）機械学習モデルの高性能化、ならびに、（３）それらの有効性を示すための実証研究を行なった。また、学会発表やコード公開によって成果の公表を広く行なった。詳細は以下のとおりである。
（１）水野らは、産業界に現れる、スケジューリング問題とサプライチェーン問題を対象に、理論精度保証を持つアルゴリズムを構築した。高野・中田らは、金融工学に現れる、ポートフォリオ最適化問題を対象に、効率的なアルゴリズムを確立した。中田らはセンサーネットワークの位置推定の問題に対し、高速なアルゴリズムを確立した。小島らは、錐計画と呼ばれる汎用的な最適化問題に対し、高性能なアルゴリズムを提案した。さらに、小島らは、より汎用的な最適化問題に対し、錐計画に基づく緩和法の解析を行なった。
（２）中田らは、鉄鉱などの原料を扱う在庫管理の問題を対象に、高性能な確率モデルを提案し、その有効性を実験的に示した。鮏川らは、データのランキングの手法を対象に、出力結果の構造分析を行なった。高澤は、汎用的な確率モデルに対し、理論精度保証を持つアルゴリズムを開発した。後藤らは、機械学習モデルにおける汎用的な正則化法を対象に、アルゴリズを開発した。
（３）高野らは、データのランキングの手法を現実の意思決定に応用する方法を提案し、その有効性を実験的に示した。高野らは、カーシェアリングの問題に対し、確率モデルと最適化アルゴリズムの融合に基づく、効果的な解決方法を提示した。中田は特許文書の自動分類に対する機械学習モデルの有用性を示した。
さらに、科研費シンポジウムと題し、メンバーを講演者とした成果報告会を行なった。100名を超える専門家の参加者があり、研究のさらなる発展の可能性や、異分野交流に関する有意義な議論が行われた。
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
| Remarks |
A data-driven approach to beating SAA out-of-sample（Jun-ya Gotoh, Michael Jong Kim, Andrew E.B. Lim）（https://arxiv.org/abs/2105.12342）
|
