| 研究実績の概要 |
本研究の目的は離散最適化問題のモデルを推定し, そのモデルを離散事象システムに変換することで, モデル構造の抽出やモデル縮約を行って, 与えられた仕様を満たす妥当な最適化モデルを構築するための離散事象システム理論を用いたデータに基づく離散最適化技法を創成することである. 平成30年度はデータに基づく離散最適化モデルの同定手法の開発を目的として, 以下の3項目に関する研究を実施した. 具体的にはデータに基づく離散事象システムの同定手法に関する一般的な手法の一つである機械学習モデルによるブラックボックス同定手法を調査し，実用的な生産スケジューリング問題の目的関数の同定を試みた. 得られた知見は以下である.
1. 生産スケジューリング問題の例題とその出力から目的関数を判定するための手法として，機械学習モデルを用いた判定手法を開発した. 未知のスケジュールに用いられている目的関数の種類として, 重み付き完了時刻和, 重み付き納期遅れ和, 重み付き遅れ仕事数, 最大納期遅れ和, 段取りコスト和を精度良く推定可能であることを明らかにした.
2. データ前処理として特徴量の抽出方法を変えながら判定結果の比較を行い, 候補となる目的関数値と順位相関係数をそれぞれ標準化した値を特徴量とする方法により, 約90％程度の良い正答率が得られることを確認した.
3. 小規模問題で学習させたニューラルネットワークを用いて, 実データ規模の目的関判定を行い, 提案手法の有効性と汎化性能を検証した. さらに, 機械学習手法の違いによる結果の比較, 機械学習を用いない簡易判定手法の検討を行った. その結果, 本研究で提案したデータ前処理手法の下では, ニューラルネットワークを用いた判定でより正答率の良い結果が得られることを確認した.
|
