| 研究課題/領域番号 |
15K00349
|
|---|
| 研究機関 | 明治大学 |
|---|
研究代表者 |
鶴田 節夫 明治大学, 研究・知財戦略機構, 研究推進員(客員研究員) (00366395)
|
|---|
| 研究分担者 |
小橋 昌司 兵庫県立大学, 工学研究科, 教授 (00332966)
八槇 博史 東京電機大学, システムデザイン工学部, 教授 (10322166)
櫻井 義尚 明治大学, 総合数理学部, 専任准教授 (30408653)
川辺 孝 東京電機大学, システムデザイン工学部, 教授 (40339081)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2019-03-31
|
| キーワード | 遺伝的アルゴリズムGA / 局所解法・機械学習器 / 進化型認識・計画知能 / 産業応用 / 事例 / 学習方法・データ / 多様性 / ハミング距離 |
|---|
| 研究実績の概要 |
本研究課題では、産業・医用への適用を目的にAI(人工知能)型の進化知能方式であるCBGA (CaseBasedGenticAlgorith)を研究した。局所解法を統御する遺伝的アルゴリズムGAに、事例(類似問題の優良解、前例)ベースを融合して精度を上げる。局所解法はサポートベクターマシンSVM、ニューラルネットNN等の機械学習機や近似解法である。
平成27年度は、配送ルート最適化に適用し有用性を確認した。太陽フレア(黒点)による磁気嵐等の災害予測やひざ骨関節の識別等へ適用しながら、この方式をCBGALO (CBGAintegratingLocalOptimizer)に汎用化した。28年にはGAのリスタート概念を新規導入したCBRSGALO (CBReStartGALO)を提案した。29年にはCBRSGALOを洗練化し、学習方法(特徴パラメータ)にフィットした学習データ(入力データ)をGAで最適化可能なCBRstrtGdsGALO (CBRestartGooddatasearchGALO)を提案した。今回、平成30年には、特に最優良事例の解とのHamming距離を測度とするdiversityの導入等により改良した。太陽フレアの災害予測精度において3クラス中2クラスで世界レベルを凌駕した。
研究結果は医療・災害予知・物流への応用で評価、平成28年(2016年)から29年前半迄の成果は、査読付の一流国際会議であるIEEEのSMC2016等に論文4件、SMC2017に論文2件を発表した。
今回、29年後半以降の成果はIEEEのSSCI2018に論文発表し、30年後半のはSSCI2019に投稿準備中である。配送ルート最適化に適用し、有用性を確認し国際会議などに発表した成果はSpringer JournalなどImpact Factorが高い(2前後)の一流国際ジャーナルに投稿中である。
|
