2021 Fiscal Year Annual Research Report
Proposal of new evaluation value for combinatorial optimization problem using deep learning
| Project/Area Number |
18K11484
|
|---|
| Research Institution | Kansai University |
|---|
Principal Investigator |
榎原 博之 関西大学, システム理工学部, 教授 (50194014)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 深層学習 / 最適化問題 / 巡回セールスマン問題 / 機械学習 / 強化学習 |
|---|
| Outline of Annual Research Achievements |
近年、ディープラーニング（深層学習）などの機械学習が注目されており、様々な応用分野で活用されている。一方、巡回セールスマン問題に代表される組合せ最適化問題は応用範囲が広く、近似解法、特にメタヒューリスティックスの研究が盛んである。
本研究では、巡回セールスマン問題のようなユークリッド平面で表すことのできる組合せ最適化問題に対してディープラーニングを適用した近似解法を提案する。ランダムに生成した大量の問題例に対して最適解を画像としてディープラーニングにより学習させ、出力として得られた画像データから評価値を算出する。学習により得られた評価値を従来の距離による評価値の代りにヒューリスティック解法に適用することにより、学習により得られた評価値の有効性を計算機実験により検証する。計算機実験の結果、提案手法は先行研究より優れた性能を示した。その成果は情報処理学会論文誌（Vol.60, No.2, pp.651-659, Feb. 2019）に掲載された。
論文誌に掲載された上記の手法は教師あり学習のため、大量の教師データが必要であり、大規模な問題例に対して最適解を用意することは困難である。そこで、教師データを必要としない強化学習を活用した新たな手法を提案し、計算機実験を行っている。教師あり学習と同等の性能を得るためには、教師データを用いないため、長大な学習時間がかかったり、過学習に陥りやすいという問題点がある。これらの問題点が解決できたので、2022年3月に開催された情報処理学会の全国大会で研究発表した。さらに実験結果を充実させて、論文誌に投稿する準備を進めている。
|
