| 研究概要 |
最終年度である今年度も平成18年度および平成19年度の研究成果を基に,群知能を用いたメタヒューリスティックスのパラメータ等の働きやセンシビリティを明らかにし,方法の確立と適用分野の拡大を図り,定式化を試みた.さらにはParticle Swarm Optimization (PSO)やAnt Colony Clustering (ACC)の特性を明らかにし,それらの中の欠点を補うように他の方法とのハイブリッド法を開発した.その結果次のような研究実績を得ている.
1.PSOをジョブショップスケジューリング問題に適用した際の効率改善を行うアルゴリズムを導入した.また局所解に陥ったときの改善方法としてGAとのハイブリッド法を提案している.さらにはこのハイブリッド法の効率を現実の問題に適用して確認している.
2.PSOを店舗配置問題における複数店舗配置,店舗顧客数均等化,既存競合店舗がある地域における出店等の問題に適用している,そして必要に応じて他の適切な方法を提案し,PSOとのハイブリッド法を考案することにより,効率よく解を求めることを可能にした.
3.制約条件付き非線形最適化問題に対してPSOは有効な手法であるが,解の精度が初期の探索位置に依存することや局所最適解に陥ったときにそこから抜け出せない等の欠点が存在する.そこで探索の基本動作に改良を加え,さらにGAとのハイブリッドアルゴリズムを提案して解の精度を上げることを可能とした.
4.データ量の増大に対処しきれない,分類精度が安定しない,などのクラスタ分析手法の限界を乗り越えるために,蟻の群知能を用いた従来のクラスタ手法“Ant Colony Clustering"に蟻エージェント動作の効率化,クラスタの凝縮など様々な改善を施した新しいアルゴリズムを開発した.これによりクラスタリング速度・精度とも飛躍的に向上した上,データ量が理論上無制限に扱えるようになった.
|
