| 研究課題/領域番号 |
17K00014
|
|---|
| 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 |
情報学基礎理論
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
永持 仁 京都大学, 情報学研究科, 教授 (70202231)
|
|---|
| 研究分担者 |
Shurbevski A 京都大学, 情報学研究科, 助教 (70750230)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019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)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2017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 | アルゴリズム / 離散最適化 / グラフ / データマイニング / NP-困難 / グラフ描画 / 人工ニューラルネットワーク / 機械学習 / グラフ理論 / ネットワーク / 計算量 / 近似アルゴリズム / 経路探索 / ゲーム理論 / 情報工学 / 高速コンピューティング / 数理計画 / 最適化 |
|---|
| 研究成果の概要 |
グラフの分割問題、グラフの２頁埋め込み問題、トラックとドローンを組み合わせた配送計画問題、連結部分グラフを列挙するグラフマイニングの問題などにおいて有用な新しい定式化や拡張を行い、これらに対するアルゴリズムの設計・解析、および計算機実験を通じた有用性の確認を行った。この他、学習後の人工ニューラルネットワーク(ANN)に対して、所望の予測値を出力する入力ベクトルを逆推定するANNの逆問題が混合整数計画法として解けることを発見し、これを用いて化合物の分子構造を推定するシステムの設計・構築を進めている。
|
| 研究成果の学術的意義や社会的意義 |
グラフ理論、グラフ描画に関する成果は離散数学の基礎となるものである。一方、配送計画問題やグラフマイニングに関する成果は産業や商業の部門において作業の効率化、経費節減およびデータからの新しい価値の発見のための技術設計に使われる。ANNの逆問題を組み入れた分子構造を推定するシステムはこれまで困難であった低分子化合物の精緻な探索を可能にしており、今後、計算機を用いた新しい材料開発や低分子の薬の開発などにおいて利用される可能性がある。
|
