2021 Fiscal Year Research-status Report
Optimizing Asynchronous P2P Negotiations for Sharing Distributed Tasks and Resources
Project/Area Number |
21K12144
|
Research Institution | Advanced Institute of Industrial Technology |
Principal Investigator |
林 久志 東京都立産業技術大学院大学, 産業技術研究科, 准教授 (70426609)
|
Project Period (FY) |
2021-04-01 – 2025-03-31
|
Keywords | マルチエージェント / 分散人工知能 / タスク・リソースシェアリング / 自動交渉 / 強化学習 |
Outline of Annual Research Achievements |
異なる地域・組織間におけるタスクやリソースのシェアリングは、学術的には複雑な資源配分問題における解の構造の解明において重要な課題であるとともに、社会的には業務の効率性において実現が急務とされる課題である。タスクやリソースは当事者同士で交渉して合意すれば、担当・所有者を変更することができる。しかしながら、タスクやリソースを個人や組織間で移動するには時間がかかる。一方、現実世界の多くのタスクは限られた時間内に処理しなければならない。例えば、患者を治療するというタスクでは、重症度により治療タスク開始までの時間は限られる。本研究では広域で非同期的に緊急度の異なるタスクが多発する場面を想定する。制限時間内に完了できないタスクを減らすため、移動時間と制限時間を考慮し、タスク・リソースシェアリング交渉を限られた回数で効果的にまとめるためのP2Pシェア交渉AIサポートシステムを考案する。その効果はシミュレーションで検証する。これが本研究の目的である。 2021年度(1年目)の目標は、「動的タスク割り当て手法を「非同期、多発、広範囲」の環境で使用」であった。リソースの過不足ある病院間で患者のシェアリングを実現する応用シナリオを想定し、「非同期、多発、広範囲」で患者が各病院にくるシナリオを想定し、患者シェアリングに用いることが可能な複数のアルゴリズムを比較評価し、有効なアルゴリズムを見つけ、さらに改良することができた。成果は、国際会議の論文として2本投稿し、1本の論文は採録・発表済みで、もう1本の論文は採録・2022年度発表予定となっている。 加えて、タスク・リソース分配に関する他の応用研究(交通分野)も実施し、2021年度は国際学会で3本、国内学会で3本の論文発表を行った。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2021年度(1年目)の目標は、「動的タスク割り当て手法を「非同期、多発、広範囲」の環境で使用」であった。リソースの過不足ある病院間で患者のシェアリングを実現する応用シナリオを想定し、「非同期、多発、広範囲」で患者が各病院にくるシナリオを想定し、患者シェアリングに用いることが可能な複数のアルゴリズムを比較評価し、有効なアルゴリズムを見つけ、さらに改良することができた。成果は、国際会議の論文として2本投稿し、1本の論文はWI-IAT2021で採録・発表済み、もう1本の論文はKES-AMSTA2022で採録・6月に発表予定となっている。 加えて、予定外の研究成果としては、タスク・リソース分配に関する他の応用研究(交通分野)も実施し、2021年度は国際学会(IIAI AAI SCAI)で3本、国内学会の研究会(計測自動制御学会社会システム部会研究会、電子情報通信学会SIG-AI研究会、人工知能学会SIG-BI研究会)で3本の論文発表を行った。
|
Strategy for Future Research Activity |
2022年度(2年目)からの目標は「動的タスク割り当て手法とマルチエージェント深層強化学習技術の統合」であり、最新の強化学習の手法により、1年目に開発した「動的タスク割り当て手法」(ヒューリスティックスをルールベースで表現したアルゴリズム)を改善できるかどうか試していく。 2022年度は、最新のマルチエージェント強化学習の手法を調査する。それと共に、単純な強化学習で1年目に開発した「動的タスク割り当て手法」を改善できるのか試す。2023年度以降では、最新のマルチエージェント強化学習の手法を参考に、エージェント間連携、報酬の与え方、などを工夫し、さらに改善できるかどうか模索する。また、成果は、積極的に国内外の学会で発表していく。 上記のメインの研究方向性と並行して、病院間のタスクリソースシェアリングという当初の想定問題に加え、タスク・リソース分配技術の新しい適用先を模索していく。新しい応用分野においても、研究協力者の協力を得て研究を進め、成果は、積極的に国内外の学会で発表していく。
|
Causes of Carryover |
コロナ対策のため、学会参加は全てオンライン参加となり、旅費(国内出張および海外出張)が0円となった。それに伴い、単年度で消化しなければならない学内研究費などを優先的に使用したため、翌年度に繰り越しできる科研費の消化は後回しとなった。そのため、本年度の使用額は少ない。しかしながら、必要な設備・物品・図書などは入手できており、研究は問題なく実行できている。また、予定通りに研究成果を上げ、研究発表(オンライン)も実施できている。 本研究費は4年間で使う予定であったが、コロナ対策の事情もあるため、1年延長して有効活用することも検討する。予算は各年度で均等に有効利用することを心掛ける。コロナによる出張規制や入国規制が緩和されるに従い、学会参加のための旅費は大幅に増える見込みである。
|
Research Products
(9 results)