| 研究課題/領域番号 |
15K00349
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
ソフトコンピューティング
|
|---|
| 研究機関 | 明治大学 (2018)
東京電機大学 (2015-2017) |
|---|
研究代表者 |
鶴田 節夫 明治大学, 研究・知財戦略機構, 研究推進員(客員研究員) (00366395)
|
|---|
| 研究分担者 |
小橋 昌司 兵庫県立大学, 工学研究科, 教授 (00332966)
八槇 博史 東京電機大学, システムデザイン工学部, 教授 (10322166)
櫻井 義尚 明治大学, 総合数理学部, 専任准教授 (30408653)
川辺 孝 東京電機大学, システムデザイン工学部, 教授 (40339081)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2017年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2016年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2015年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 遺伝的アルゴリズム / 局所解法 / 産業応用 / 事例 / 遺伝的アルゴリズムGA / 局所解法・機械学習器 / 進化型認識・計画知能 / 学習方法・データ / 多様性 / ハミング距離 / 進化型知能化方式 / 最適化 / 予測精度 / 機械学習 / 大局的最適化 / 事例ベース / 画像認識 / スケジューリング / 多様化分散化 / 災害予測 / 医工学応用 / 配送スケジューリング / 大局最適化 / 進化知能 |
|---|
| 研究成果の概要 |
機械学習器等の局所解法を統御する遺伝的アルゴリズムGAに事例（前例：問題＋解）を融合した進化計算型知能方式CBGALOを研究開発した。配送ルート最適化、太陽フレア(黒点)による磁気嵐等の災害予測、ひざ骨関節の識別等に適用・汎用化し、有用性を確認した。その後、GAのリスタート概念を導入した上、学習方法に加え学習データもGAで最適化可能とし、ハミング距離を測度とする多様性の導入等により高性能化した。太陽フレアの災害予測精度で世界レベルを凌駕した。
査読付の一流国際会議であるIEEEのSMCやSSCI等に8件の論文を成果発表した。更に一流国際ジャーナル等に投稿中／予定である。
|
| 研究成果の学術的意義や社会的意義 |
１）事例や学習データの進化活用により、災害予測などクラス不均衡問題の解精度でも学術的に世界最高水準を凌駕した。２）専門家が作成／修正した部分を事例として破壊せず利用することで、社会的条件が絡む実用の問題も解決可能とした。３）物流・防災を含む産業、医工学の複雑な最適化問題の解決が可能となり、進化的最適化技術利用の促進につながる。
４）本提案による最適化は、1兆円以上かつ増加傾向にある物流市場の配送コスト低減に寄与する。５）鉄道の５倍以上の配送用トラックの温室効果ガスＣＯ２排出の削減にも貢献する。６）医工・防災産業を含めると10兆円以上の市場となり、経済効果・社会的意義は更に高い。
|
