| 研究課題/領域番号 |
07455165
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
薦田 憲久 大阪大学, 工学部, 教授 (90234898)
|
|---|
| 研究分担者 |
一階 良知 大阪大学, 工学部, 助手 (40273578)
大川 剛直 大阪大学, 工学部, 助教授 (30223738)
|
|---|
| キーワード | 計画問題 / エキスパートシステム / 知識工学 / 帰納的学習 / 知識獲得 |
|---|
| 研究概要 |
研究代表者らが既に提案していた状態選択型計画手法に対して、各種知識の自動学習手法を考案したものであり、汎用化を一層進めた計画型システムの構築を可能とした。代表的な帰納的学習アルゴリズムID3を計画知識の獲得に適用することを考え、知識の獲得が可能な教師データの形式を提案した。また帰納的学習では、多量の教師データを如何にして収集するかという問題が存在するが、それに対して再帰的教師データ収集手法を提案している。これは知識を階層的に分割し、学習が比較的容易な下位の知識から逐次的に教師データの収集と帰納的学習の適用を再帰的に繰り返すものである。以上の学習手法をフローショップ問題とジョブショップ問題に適用し、人間が作成した知識よりも優れた計画案を生成する知識を学習可能であることを確認した。これにより、計画立案にかかる時間を削減することが可能となり、大規模な計画を短時間に行なう必要があるCIMなどにも適用可能であることが明らかとなった。
一方、計画立案過程で逐次的にその計画問題の特性を把握し、その問題に適した解法のアプローチを行うことを目的として、動的遺伝操作切替を用いた遺伝的アルゴリズムによるスケジューリング手法の手法を提案した。この手法ではGAによるスケジューリングを基に個体の交叉手法を多数用意し、計画立案の過程で有効に作用した交叉手法を以降の過程で重点的に使用する。これにより、計画問題毎に適した交叉手法を選択しての計画立案が可能となった。また、交叉手法の有効性の判断基準を的確に設定することにより、同一問題内でも探索の序盤と終盤とで異なった交叉戦略の使い分けが可能であることを確認した。これは逆にGAの観点から見るとGAの性能を大きく左右する遺伝操作確率の感度解析を自動的に行う機構を備えた手法であると言える。
以上のように、知識の自動獲得機構を導入することにより、計画案の立案を包括的にサポートする汎用的なアーキテクチャの構成を実現することに成功した。
|
