2020 Fiscal Year Research-status Report
データドリブン最適化に基づくマス・カスタマイゼーション生産方式の設計
| Project/Area Number |
19K15243
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
大森 峻一 早稲田大学, 理工学術院, 准教授(任期付) (30649348)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | サプライチェーンマネジメント / 需要予測 / オペレーションズリサーチ / ロバスト最適化 |
|---|
| Outline of Annual Research Achievements |
前年度に、確率分布を仮定せずに、データからロバストな意思決定を導くことができるための方法論について提案を行った。今年度は、前年度に投稿したジャーナルに対する修正を進め、3件の査読付き論文として成果を発表することができた。
一方で、前年度に提案した方法は、計算負荷が高く、データの次元数が大きい場合、実用時間内に計算が終了しないことが判明した。このため、2020年度は、大規模問題に対するアルゴリズムの開発を中心に研究した。
近年、凸計画の分野で、大規模問題に対する分解法として着目されているConsensus Optimization (CO) を応用したアルゴリズムを開発した。CO は、大規模問題を複数の小規模なサブ問題に分割し、分散的に求解する。それぞれのサブ問題は、異なる意思決定が出力されることから、これらの意思決定が一致する合意制約を課す。このCO は、解の精度については内点法などの2次収束アルゴリズムに劣るものの、高い精度が必要のない場合には、問題を高速に求解できることが知られている。この技法を適用し、トレーニングデータを複数のブロックに分割し、分散学習を行うことで、効率的に求解できる工夫を行った。数値実験では、提案した分解法を適用し、従来では解けなかったサイズの問題が解ける様になり、有効性を検証することが出来た。これらの成果をまとめて、国際会議での発表を行った。また、そこで受けたフィードバックを基に論文を修正し、ジャーナルへ投稿した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度で発生した大規模問題への適用に対するアルゴリズムの工夫を行うことで、大規模データであっても実用時間内に計算することが可能になった。
|
| Strategy for Future Research Activity |
既に投稿しているジャーナルへの修正を進めると共に、意思決定に用いるデータの種類を増やす事や、サプライチェーン設計における意思決定項目や制約条件をより現実に即したものにする、といった工夫を行う。
|
| Causes of Carryover |
新型コロナウイルスに伴い、参加予定の学会がオンライン開催となり、旅費が不要になった。
|
