【研究分野】ウェブ情報学・サービス情報学

【研究領域課題番号】16H02907 (KAKENデータベースで見る）

【研究キーワード】

逆強化学習 / 強化学習 / 多目的最適化 / 社会シミュレーション / 行動規範 / マルチエージェントシミュレーション / 行動科学 / 最適化 / 敵対的生成ネットワーク / マルチエージェント / メカニズムデザイン / マルチエージェント強化学習 / 多目的強化学習 / 深層強化学習 / ソフトコンピューティング / 機械学習 / 都市計画 / 土木環境システム / 避難行動の規範抽出 / 鉄道運行整理 / 分散深層強化学習 / データ同化 / 対話 / 自然災害 / 認知科学 / エージェント / 人工知能

【研究成果の概要】

本課題では，都市交通が頑健かつ柔軟に機能する状況を「レジリエンス」と定義し，これを実現する上で，情報インフラや人の状況判断，法制度の３つのソフトインフラの連携が必要との立場から研究を進めてきた．特に緊急時の二次被害減災は人の行動が鍵であるとし，人の挙動特性を考慮した都市交通システム設計法を提案した．災害における人の行動の規範は，過去の似た状況の記憶に影響を受けるため，正しい情報を直接提供するよりも，最適な行動選択を促す方が効果的であることを確かめた．また，人流の軌跡から行動規範の推定法として，遺伝的アルゴリズムと逆強化学習を導入した２つの方法を提案した．

【研究の社会的意義】

災害時，都市交通機能の停止は，人々の移動手段を奪うが，その後の情報提供や運転再開についての意思決定が重要である．SNSなどによる不確かな情報の錯綜による混乱はもちろん，運営側の運転再開に関する誤った意思決定や避難誘導はさらなる二次災害を引き起こす．本研究の学術的貢献として，災害時の人の意思決定傾向や，情報の局所性，曖昧性を考慮した運営側，あるいは政府による最適な避難誘導案の生成支援が挙げられる．また，社会的意義として，人の意思決定傾向を踏まえた混乱や混雑が生じる状況や場所を予測可能にしたこと，および，本結果に基づいた法の見直しの根拠を与えることを可能にした点を挙げる．

【研究種目】基盤研究(B)

【研究期間】2016-04-01 - 2019-03-31

【配分額】15,210千円 (直接経費: 11,700千円、間接経費: 3,510千円)

【研究分野】ソフトコンピューティング

【研究領域課題番号】25870915 (KAKENデータベースで見る）

【研究キーワード】

知能情報学 / 確率過程 / ソフトコンピューティング / シミュレーション / ベイズ統計学 / 探索アルゴリズム / 最適化 / ベイズ統計 / 機械学習

【研究成果の概要】

昆虫は時々やってくるフェロモンを頼りにフェロモン源に到達できる．特にカイコガのオスは，視力が弱いにもかかわらずフェロモンを頼りにしてメスの場所を効率的に探索する．本研究では，フェロモン源を探索する過程を模倣したアルゴリズムを開発した．フェロモンについての探索者の観測を確率過程 (点過程) としてモデル化し，ベイズ統計を用いることによりフェロモン源の位置を推定するアルゴリズムを開発した．そして，フェロモン飛散のシミュレーションを行うことで探索アルゴリズムの性能を評価した．また，点過程モデリング技術を用いてWebコンテンツの将来のアクセス数を予測する手法を開発した．

【研究種目】若手研究(B)

【研究期間】2013-04-01 - 2017-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究分野】感性情報学・ソフトコンピューティング

【研究領域課題番号】22500210 (KAKENデータベースで見る）

【研究キーワード】

Differential / Evolution / Particle / Swarm / Optimization / システム最適化 / ソフトコンピューティング / ヒューリスティックス / 多点探索法 / 計算アルゴリズム / Particle Swarm Optimization / Differential Evolution

【研究成果の概要】

多点探索型最適化手法の代表例であるParticle Swarm Optimization(PSO)法とDifferential Evolution (DE)法や、カオス最適化手法の多点化手法を取り上げ、これらを複雑な制約や構造を有する様々な最適化問題へ適用可能にする変換手法などを開発した。たとえば、
(1)非線形制約条件付き問題に対するPSOに親和性のあるペナルティ法、
(2)順列変数最適化問題にPSOやDEを適用するための変換手法、
(3)等式制約条件付き0-1組合せ最適化問題にPSOを適用するための変換解法、
(4) 半正定値行列最適化問題に対するPSOの適用法、
(5)多目的最適化問題の非劣解の被覆性に優れたDE法、
(6)ゲーム問題の複数のNash均衡解の中の最良解をPSOで求めるための変換手法、などである。また、PSOやDEの性能の解析や改良も試みて、安定性解析に基づくPSO法の最良バラメータ設定法、PSOにDEを冠したハイブリッド化手法、パラメータの自己調整機能付きDE法などを提案した。

【研究種目】基盤研究(C)

【研究期間】2010 - 2012

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究分野】システム工学

【研究領域課題番号】22560404 (KAKENデータベースで見る）

【研究キーワード】

最適化 / ソフトコンピューティング / メタヒューリスティクス / アルゴリズム / 近接最適性原理 / 汎用設計論 / 連続型最適化 / 離散型最適化

【研究成果の概要】

発見的操作を含む最適化手法は,メタヒューリスティクスと呼ばれている。本研究では,既存のメタヒューリスティクス改良と,新たなメタヒューリスティクスの構築を目的として,良い解の類似性を示す原理である近接最適性原理に基づいて,メタヒューリスティクスの構造を解析した。この解析結果に基づいて,メタヒューリスティクスの改良と新たなメタヒューリスティクスの構築を行ない,良く知られたベンチマーク問題を用いた数値実験により,開発した手法の性能を検証した。

【研究種目】基盤研究(C)

【研究期間】2010 - 2012

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)