2021年度までの研究で、pseudo-skyline と、低次元で求めたpseudo-skyline の比較実験を行い、概ね、予想通りの結果を得ることができたた。引き続き、2022年度には、(1)この実装の高次元化の拡張を試み、(2)得られたサンプルデータの比較と同時に、抽出データの数など量的な解析を行ない、(3)実際に強化学習への応用の実験をおこなった。この応用実験は、具体的には、(3.1)TCP/IPデータ転送における輻輳制御を的確に行うための強化学習を行う実験、及び、(3.1)アプリケーション実行時に利用されるアドレス検出を行い強化学習を行う実験を行い、得られた「データの質」に対する検証実験を試みた。しかしながら、抽出データの比較以前に、強化学習を行うチューニングに、予想以上に時間が取られ、データの質を比較する難しさに直面したため、予定されていた実験に加えて、(3.3)強化学習ではなく、多様性を用いた大規模データの探索問題に、問題範囲を広げると同時に、幾何構造だけでなく、幾何構造に重ねる形での、グラフ構造(本研究ではラティス)を用いることを試みた。高次元の幾何構造の利用に関しては、ストレートフォワードに行うと計算量的な課題が大きいため、大規模問題について、このように、幾何構造にグラフを重ね、グラフ構造を利用することで擬似的な幾何構造を扱う方が、効率が良さそうという知見が得られた。 また、本研究の副産物として、アプリケーションSATソルバの、グラフ構造を用いた高効率化の提案を行い、現在、この結果に関する検証を行なっている。
|