| 研究概要 |
本年度は,まず,分散最適化アルゴリズムが対象とするモデルを拡張するとともに,近似解法を開発してその性能評価を行なった,具体的には,過制約な一般化相互割当問題に対し,近似解法の一つである分散ラグランジュ緩和法を2つ実装して詳細な性能評価を行なった.これにより多段階問題への拡張が容易になり,より広い文脈で本手法を適用することが可能となった.また,分散制約最適化問題に対して,タブー探索法やアニーリング法に基づく解法について実装に関する詳細な検討を行なった
次に,敵対的なエージェントをモデル化する限量子付き分散制約問題を解くアルゴリズムの性能を改善した,この問題においては,単純な木探索に基づく解法だけでは効率が悪いことがわかっている.そこで本研究では,QDCSPについては超融合節(hyper-resolvent)によるnogood学習,QDCOPについては効率的な枝刈りを実現する方法を提案し,大幅な性能改善を実現した
最後に,ゲーム理論における提携型ゲームの特性関数を分散制約最適化問題を用いて簡略記述し,提携構造形成問題を解く近似アルゴリズムを開発した.提携型ゲームの課題の一つは特性関数の記述量が組合せ爆発を起こすことである.そこで本研究では,分散制約最適化問題を用いて非明示的に特性関数を記述し,さらに,その表現形式のもとで提携構造形成問題を解く近似アルゴリズムを開発した.また,このアルゴリズムが任意の近似精度保証を達成することを証明した
|
