| 研究課題/領域番号 |
20H02382
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分25010:社会システム工学関連
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
繁野 麻衣子 筑波大学, システム情報系, 教授 (40272687)
|
|---|
| 研究分担者 |
八森 正泰 筑波大学, システム情報系, 准教授 (00344862)
安東 弘泰 東北大学, 材料科学高等研究所, 教授 (20553770)
佐野 良夫 筑波大学, システム情報系, 准教授 (20650261)
高野 祐一 筑波大学, システム情報系, 准教授 (40602959)
吉瀬 章子 筑波大学, システム情報系, 教授 (50234472)
呉 謙 法政大学, 理工学部, 助教 (10976294)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 最適化 / アルゴリズム / ネットワーク / データ分析 / 大規模データ / ネットワーク最適化 |
|---|
| 研究開始時の研究の概要 |
大規模データ時代における社会システムの問題解決や構造分析では，データ分析と最適化が融合した手法が実用に近づいている．一方で，機械学習や最適化が汎用性を増す程，なぜその結果が得られるのかの裏付けに弱いということが，意思決定の現場では指摘されてきた．つまり，大規模データを活用して戦略策定を行う手法を広く実応用するためには，出力の説明力が重要となる．そこで本研究では，汎用性を捨て，各々の問題ごとに特化したモデルを利用し，単に機械学習と最適化を組み合わせた手法から脱却して，説明力をもった出力を目指す．そのために，対象をネットワーク最適化に絞り，適切なモデル構築や解法の枠組みの可能性を検討する．
|
| 研究成果の概要 |
大規模データ時代の社会システムの問題解決や構造分析においては，データ分析と最適化が融合した手法が実用に近づいている．一方で，大規模データを活用して戦略策定を行う手法を広く実応用するためには，出力の説明力が重要となる．そこで本研究では，汎用性を捨て，各々の問題ごとに特化したモデルを利用し，単に機械学習と最適化を組み合わせた手法から脱却して，説明力をもった出力を目指して手法開発をした．主に，実応用を見据えてネットワーク最適化問題やスケジューリング問題に対するアルゴリズム開発を行い，さらに，市場データ分析手法にもネットワーク最適化に代表されるわかりやすい手法を応用しその有用性を示した．
|
| 研究成果の学術的意義や社会的意義 |
大規模データ時代の最適化はデータ分析との融合が欠かせない一方，手法が汎用化されることで，得られた結果に対する裏付けが弱いという弱点がある．これを克服するために，意思決定のための単純なルール，条件変更の影響の見える化，説明力のある出力を目指した．これにより，大規模データを活用した戦略策定においての最適化の可能性が広がることが期待される．応用現場で指摘されている説明力のある出力を目指すことで，理論と応用の架け橋の役割を果たし，応用へ貢献するとともに，説明力のある出力を導く手法の目線から解法の開発をおこなうことで，新たなアプローチ方法の展開につなげられる．
|
