| 研究概要 |
研究代表者および研究分担者は月1回程度の会合を持つとともにインターネットを介して頻繁に情報交換を行い,共同して研究に取り組んだ.その結果として次のような研究実績を得た.
1.メタヒューリスティックスの一つの手法であるPSOを線形計画問題に適用し,解を求めるとともに,群れの中のエージェントの動き及び解の変遷とを明らかにした.線形計画問題の解は端点上にあるため,群れを構成するエージェントは最適解の存在する端点の近傍に集まってくる.しかしながら端点は可能領域と不可能領域の境界にあるため,エージェントは頻繁に可能領域外に出てしまう.可能領域外へ出たエージェントの取り扱いが効率向上を大きく左右するため,今後はこの分野の研究が必要である.
2.多次元ナップザック問題を変形し,PSOを適用することによって従来の解法よりも効率よくよりよい解を得るとともに,群れの中のエージェントの動きを明らかにした.多次元ナップザック問題でも線形計画問題と同じくエージェントが頻繁に可能領域外へ出ることがあり,領域外へ出たエージェントの取り扱いが解決できれば,さらに効率アップにつながる.
3.ダイナミックに状況が変化するネットワーク最適化問題に対して,メタヒューリスティックスの一つの手法であるACOを適用するアルゴリズムを開発し,与えられた格子点経路の中から,Dijkstra法によって最短経路を見つけ,その経路の中の数箇所をランダムに切断する問題を作成し,開発したアルゴリズムの有効性を示した.従来の方法であるDijkstra法ではネットワークの経路が分断される毎に最初から問題を解き直さなければならないのに対し,ACOでは分断されたところから解けばよいことから,効率よく解を見つけることができる.
|
