2021 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，整数計画問題の入力データから特殊な制約条件を抽出し，局所探索法において探索空間をこれらの制約条件に同時に含まれる変数同士の値の交換に絞り込む手法を提案した．
オンラインサービスにおける割当問題は非常に大規模な整数計画問題に定式化されることが多い．局所探索法は計算困難な組合せ最適化問題に対する効率的なアルゴリズムだが，高性能な局所探索法では複数の変数の値を同時に更新するため，大規模な問題例では十分な計算効率を達成することができない問題点を抱えていた．そこで，本研究では，同じ制約条件に含まれる変数の組に絞りこむことで計算効率の大幅な向上を実現した．さらに，実務における整数計画問題はいくつかの種類の特殊な制約条件を含むことに着目し，これらの特殊な制約条件ごとに同時に含まれる変数の組を抽出することで，さらなる計算効率の向上を達成した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度は，大規模な整数計画問題に対する局所探索法の改良に取り組み，アルゴリズムの計算効率の大幅な向上を達成した．
また，実務に現れる配車計画問題に取り組み，現時点における課題と今後の研究に向けて提案手法の改善方針を確認できた．
|
| Strategy for Future Research Activity |
来年度は，実務に現れる商品推薦問題や配車計画問題に対する提案手法の実施結果をもとに，整数計画問題に対する局所探索法のさらなる改良を推し進める予定である．
|
