| 研究課題/領域番号 |
15K01204
|
|---|
| 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 |
社会システム工学・安全システム
|
|---|
| 研究機関 | 中央大学 |
|---|
研究代表者 |
後藤 順哉 中央大学, 理工学部, 教授 (40334031)
|
|---|
| 研究協力者 |
武田 朗子
高野 祐一
東野 克哉
URYASEV Stan
LIM Andrew E. B.
KIM Michael J.
|
|---|
| 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)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2016年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2015年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 数理最適化 / データ解析 / ロバスト最適化 / 機械学習 / スパース最適化 / データ駆動型最適化 / 平均・分散モデル / ポートフォリオ最適化 |
|---|
| 研究成果の概要 |
確率計画やロバスト最適化といった不確実性下の意思決定のための最適化手法に、リスク管理、機械学習、信号処理といった文脈において発展してきた方法論を融合することで、いくつかの汎用的な方法論を提示した。得られた成果のうち中心的なものは2つある。1つ目は分布的ロバスト最適化モデルが、その内包するパラメータが十分小さいときには、いわゆる平均・分散モデルで近似できることから、パラメータのチューニングについての示唆を得たこと。2つ目は統計モデルの変数選択などの文脈で現れる基数制約について、連続最適化の表現とアルゴリズムを提示したことである。
|
| 研究成果の学術的意義や社会的意義 |
不確実性を考慮した意思決定の重要性は容易に認識されるが、その方法論は様々な形をとる。本研究課題の成果は最適化モデリングという、1つのレンズを通して、一見異なるものを眺めることで、既に多くの研究者コミュニティにおいてあまり疑問を持たれずに利用されている方法に対し、中立的立場から検討を行い、汎用性のある手法を提示したものと考える。これにより、既存の方法論の限界や欠点、特徴が理解しやすくなると同時に、新たな方法論の創出にも寄与する可能性があると考える。
|
