2019 Fiscal Year Annual Research Report
Solving large-scale service assignment problems via machine learning techniques
| Project/Area Number |
19H02378
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
梅谷 俊治 大阪大学, 情報科学研究科, 教授 (80367820)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
河原 吉伸 九州大学, マス・フォア・インダストリ研究所, 教授 (00514796)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 組合せ最適化 / 整数計画問題 |
|---|
| Outline of Annual Research Achievements |
近年，多くの分野で利便性の高いオンラインサービスが現れるようになった．利用者の需要に応じて適切なサービスを割り当てる問題は，限られた計算時間での求解が困難な組合せ最適化問題となるため，オンラインサービスでは現場の経験則に基づく単純なヒューリスティクスが適用されている．そのため，利用者の需要に応じた商品が推薦されない，需要と供給の不均衡を解消できないなど，適切なサービスが割り当てられていない事例が後を絶たないのが現状である．本研究では，多くの入力データが持つ共通した特徴から得られる事前知識が利用できることに着目し，事前に，不変な入力データからアルゴリズムの性能向上に役立つ特徴を抽出して得られる補助データを利用することで，クエリ時に大規模な入力データの全体を走査することなく最適化計算を実行するアルゴリズムを開発する．
今年度は，汎用的な整数計画問題に対する局所探索法を開発した．整数計画問題は多くの制約条件を含み，全ての制約条件を満たす解を1つ求めることすら難しい問題例も少なくない．そこで，目的関数に制約条件の違反度を表すペナルティ関数を足し合わせた評価関数を最小化して，一部の制約条件を違反する解も探索するペナルティ関数法が用いられることが多い．本研究では，探索中にペナルティ関数の重み係数を適応的に更新することで，探索の集中化と多様化をバランス良く実現する手法を検討した．また，商品推薦問題の雛形となる一般化割当問題に対して局所探索法に基づく最適割当アルゴリズムを開発し，大規模な問題例に対する数値実験を通じて提案手法の有効性を確認した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
年度前半は新型コロナ流行の影響により研究進捗に遅れが生じたものの，年度後半は予定通りに研究を進めることができた．汎用的な整数計画問題および商品推薦問題の雛形となる一般化割当問題に対して，局所探索法に基づく効率的なアルゴリズムを開発し，数値実験を通じて想定した通りの性能が達成できることを確認した．
|
| Strategy for Future Research Activity |
来年度以降は，実際のオンラインサービスに現れる商品推薦問題や配車計画問題に取り組む予定である．
|
