2021 年度研究成果報告書

離散事象システム理論によるデータに基づく離散最適化モデルの自動生成

研究課題

PDF

研究課題/領域番号	17K18951
研究種目	挑戦的研究(萌芽)
配分区分	基金
研究分野	社会システム工学、安全工学、防災工学およびその関連分野
研究機関	岡山大学 (2020-2021) 大阪大学 (2017-2019)
研究代表者	西竜志岡山大学, 自然科学学域, 教授 (10335581)
研究期間 (年度)	2017-06-30 – 2022-03-31
キーワード	離散最適化 / スケジューリング / モデル同定 / 機械学習 / ニューラルネットワーク / 目的関数推定 / 逆最適化 / 重み係数推定
研究成果の概要	本研究は, 離散最適化問題の入出力データから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, モデル構造抽出を行って, 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新しい離散最適化技法を創成することを目的として, (i) データからの離散事象システムモデル生成手法の開発, (ii) データからの意思決定モデルの目的関数推定, (iii) データからの多目的スケジューリング問題の重み係数推定と化学プラントへの適用に関する研究を実施し, 機械学習や逆最適化手法に基づき, 精度の良い離散最適化モデル同定が実現可能であることを示した。
自由記述の分野	システム最適化
研究成果の学術的意義や社会的意義	IoTやビッグデータの普及とともに，大規模データの取得は容易になってきている。データに基づく最適化モデルの推定が可能となれば，モデルの自動生成や自動最適化が可能となる。一方で多目的最適化問題では，目的関数のトレードオフ関係を持つため，データから目的関数や重み係数を推定することは容易でない。本研究では, 離散最適化問題の一つである生産スケジューリング問題を対象として離散事象システム理論を用いた入出力データからの離散最適化モデルの自動生成において，選好解から目的関数推定や多目的関数の重み係数を化学プラントを対象とした実データで精度良く実現可能であることを示した点で学術的・社会的意義は極めて高い。