|
近年、インターネットの整備、携帯端末の普及、計算機性能の進化など、情報技術が急速に発展し、大量の情報が身の回りにあふれている。それらから意味のあるデータを抽出したりそれらに基づく意思決定を行うため、大規模なデータを対象とした問題解決が欠かせないものとなってきている。その際に解くべき重要な問題として組合せ最適化問題がしばしば現れる。また、最近では携帯端末やタブレット端末などが普及し、それらを用いることで、最適化による計画のとおりに人や物を動かすことが実現しやすくなってきている。その結果最適化の重要性はますます高くなってきている。しかし、NP困難性に代表されるように、多くの組合せ最適化問題に対し、問題の規模が大きい場合、厳密な最適解を求めることは極めて困難であることが認知されている。このような問題に現実的に対処するための手法として、最適性の保証はないが、良質の解をできるだけ速く求めようとする近似解法がある。メタ戦略は探索型の近似解法を設計するパラダイムであり、その有用性は広く知られている。また、メタ戦略に種々の最適化手法を組み合わせたハイブリッドメタ戦略と呼ばれる枠組みが注目されている。しかし、この手法を用いて高性能なソルバーを開発するには職人的なセンスと大きな労力が必要である。そこで、多くの問題を解決できる最適化ソルバーがあれば便利であるが、1つのソルバーであらゆる問題にまんべんなく高い性能を得ることは難しい。本研究では、代表的な問題タイプごとに最適化ソルバーを開発することにより、幅広い問題の解決に役立つ汎用最適化ソルバー群の構築を目指して研究を進めてきた。本年度は、詰込み型の問題の基本問題である独立集合問題、車両のスケジューリングに関する複合問題など、基礎的な問題から一般的で複雑な問題まで、幅広い対象に対して、一定の成果を得た。
|
