2020 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 / オンライン広告 |
|---|
| 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，与えられた広告予算の下で各顧客に決められた数の商品を推薦する問題をさまざまな制約条件に対応できる汎用的な整数計画問題に定式化し，この商品推薦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た．また，メールマガジン，リスティング広告，ディスプレイ広告，動画広告など，いくつかの形態のオンライン広告における商品推薦問題を整数計画問題に定式化し，計算機によるシミュレーションを通じてその有効性を検証した．また，ライドシェアなど配車計画問題に対して予備実験を実施した．いくつかの代表的な配車計画問題を整数計画問題に定式化し既存のソフトウェアを適用した．既存のソフトウェアでは顧客数が数十件程度の中規模な問題例でも十分な質の解が得られなかった．以上より，提案手法の必要性を改めて確認した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
今年度は，汎用的な整数計画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の開発に取り組んだ．当初の想定とは異なり，実際のオンライン広告に現れる商品推薦最適化問題では，与えられた全ての制約条件を満たす解が存在しない事例が少なくない．そのような状況では，制約条件を違反する解を許容しつつ違反度の重み付き和を最小化する整数計画問題を解く必要が生じる．整数計画問題の変更に合わせて最適割当アルゴリズムも変更する必要が生じ研究の進捗にやや遅れが生じた．
|
| Strategy for Future Research Activity |
制約条件を違反する解を許容しつつ違反度の重み付き和を最小化する整数計画問題を解く局所探索法の開発を進める．また，整数計画問題に商品推薦問題と配車計画問題の特徴をそれぞれ取り入れた汎用的な最適化問題の枠組みを提案し，それぞれの最適化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する．
|
