| 研究課題/領域番号 |
16K06198
|
|---|
| 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 |
知能機械学・機械システム
|
|---|
| 研究機関 | 愛知工科大学 |
|---|
研究代表者 |
舘山 武史 愛知工科大学, 工学部, 教授(移行) (70336527)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2016年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | モデリング / シミュレーション / 大規模システム / 離散・連続混合システム / 場面遷移ネット / 機械学習 / マルチエージェントシステム / 最適化 / マルチエージェント / 強化学習 / 情報システム / system of systems / System of Systems |
|---|
| 研究成果の概要 |
本研究の目標は、離散・連続混合システムのモデリング手法である場面遷移ネット(STN)により、大規模システムの評価を可能とすることであり、下記のような成果を得た。(1)人間などの予測が困難な要素を含むシステムを、隠れマルコフモデルを用いてSTNでモデル化し、評価を行う手法を提案。(2)大規模システムをマルチエージェントシステムとしてとらえ、強化学習によって最適解の獲得を実現する経験共有アルゴリズムを提案。(3)STNの高速化の実現、および前述の提案手法を応用した深層強化学習アルゴリズムを用いた最適化手法を導入するために、GPUを用いたシミュレーションシステムの基盤を構築し、動作確認を行った。
|
| 研究成果の学術的意義や社会的意義 |
本研究で対象とするシステムは、System of Systems(SoS)の対象となるような大規模・複雑システムであることが学術的特色の一つである。また、産業システムは今後さらに大規模・複雑化が進む傾向にあると予想されるため、本研究の成果は学術および産業の発展に大きく寄与できる可能性があり、意義深いものであるといえる。また、本研究で開発するモデリング・シミュレーションシステムは、既存の多種多様なシミュレータを統合し，それぞれの相互作用を実現するという位置づけであるため、既存研究で開発されたモデリング・シミュレーション技術の適用範囲を広め、さらに発展性を高めるという可能性があるという特色も持つ。
|
