| 研究概要 |
(1)不完全領域理論下での学習
EBLにおける不完全領域理論問題について,領域理論中の複数概念の相互作用に着目した遂次洗練化の手法を提案した.領域知識中の複数概念間に相互従属関係が存在するとき,複数概念をまとめた中間概念を作成することにより矛盾を除外することによって,洗練化において学習効率の高い方法を構築し,実験によりそのことを確認した.
(2)遺伝的アルゴリズムの理論
遺伝的アルゴリズム(GA)の挙動はマルコフ的であり,突然変異を持たないSimpleGAは吸収的である.交叉が可能な最小構成の2bit-2個体問題をマルコフ過程として,定式化,解析することにより,最適解の吸収確率を導き,交叉が有効に機能する問題のクラスの境界を与えるだまし境界定理を導いた.本定理はGAの探索手法としての存在意義を証明するものである.
(3)遺伝的アルゴリズムによるスケジューリング問題の解法
GAのスケジューリング問題への応用はもっとも期待されている問題領域であり,本研究では巡回セールスマン問題,看護婦勤務スケジューリング問題およびジョブショップスケジューリング問題を対象に,コード化および交叉に工夫を加えた新しい解法を提案し,その有用性を確認した
(4)報酬に遅れのある強化学習
報酬に遅れのある強化学習について,profit sharing法と呼ばれる重み割り当ての最適性について理論的に検討した.profit sharingにおける学習がもっとも困難な構造に対して最適性の必要な十分条件を導いた.本研究の成果は,従来,場当り的に設定されてきた信用割当てに対し理論的な基礎を与えるものである.
|
