【研究分野】制御・システム工学

【研究領域課題番号】15K18095 (KAKENデータベースで見る）

【研究キーワード】

learning / networks / graph representation / optimization / network design / product design / path planning / evolutionary computing / learning networks / design / control / evolutionary computation / representations / combinatorial / pattern recognition / succinctness / computer-aided design / modularity / succint representation / robotics

【研究成果の概要】

本研究では簡潔な構造を持つ学習ネットワークとその応用を行った。 一方では、最先端の効率を達成する有向ネットワーク、無向ネットワーク、モジュラーネットワークおよび可変サイズネットワークの簡潔な構造が可能になった。 そして経路計画とCAD問題における応用は提案したアルゴリズムの優れた性能、効率とスケーラビリティを示すことを明らかにした。

【研究種目】若手研究(B)

【研究期間】2015-04-01 - 2019-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究分野】ソフトコンピューティング

【研究領域課題番号】26280095 (KAKENデータベースで見る）

【研究キーワード】

ウェットGA / 超並列進化計算 / WetTDGA / 分子進化 / NK地形 / 疑似適応度 / パラメータ最適化 / 細胞シミュレーション / パラメーター最適化 / タンパク質工学 / tyrRS / ウェッジGA / 進化計算 / たんぱく質工学 / 最適化 / 高度並列GA / TyrRS

【研究成果の概要】

生命にアイデアを得た進化計算の応用を通じて培われた探索戦略を、分子上に実装したウェットGA を提案し、タンパク質工学に応用してきた。本研究はこれらの成果を踏まえ、スパイラルの次の段階として計算モデルを洗練化し、実装を試みた。予想したほど並列計算の効率が上がらないという困難が観察された。集団サイズと、最適解を発見するまでの世代数とのトレードオフについて、巡回セールスマン問題と関数最適化問題を用いて、より詳細に調べた。解くべき最適化問題が簡単すぎると、並列度は無駄になることがわかった。

【研究種目】基盤研究(B)

【研究期間】2014-04-01 - 2018-03-31

【配分額】16,380千円 (直接経費: 12,600千円、間接経費: 3,780千円)

【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】25240048 (KAKENデータベースで見る）

【研究キーワード】

社会シミュレーション / エージェントベースモデル / 参加型シミュレーション / 進化計算 / WEBマイニング / テキストマイニング / 社会サービス / サービス科学 / 社会・環境サービス / 参加型エージェントシミュレーション / シミュレーション工学 / 最適化 / 情報発信型データマイニング / 政策立案支援 / 参加型ゲーミングシミュレーション / サービスシステム

【研究成果の概要】

本研究では、社会サービス分野を対象に、その担当者や設計者、利用者が意思決定に参画できるような大規模参加型シミュレーション技術を確立する。具体的な項目は以下にまとめられる。１）エージェント社会シミュレーションモデルの構築技法。２）エージェントモデルと融合した参加型ゲーミング手法。３）サービス関与者の意思決定行動を測定するマイニング手法。４）参加型シミュレーションの最適化とファイナンス理論への適用。
また、国際会議IEEE COMPSACにおいて4回ワークショップを主催した。人工知能学会、計測自動制御学会で、解説特集号を発行するとともに、内外学会においてセションを企画し成果の発表普及につとめた。

【研究種目】基盤研究(A)

【研究期間】2013-04-01 - 2017-03-31

【配分額】36,010千円 (直接経費: 27,700千円、間接経費: 8,310千円)

【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】23300084 (KAKENデータベースで見る）

【研究キーワード】

ウェットGA / 進化計算 / タンパク質工学 / 最適化 / 高度並列GA / ウェットＧＡ / 高度並列ＧＡ

【研究成果の概要】

生命にアイデアを得た進化計算の応用を通じて培われた探索戦略を分子上に実装したウェットGA を提案し、タンパク質tyrRS の基質改変をテストベッドとして、12 世代の理想的な集団分布の推移を実現した。適応度地形の特徴をモデル化し、探索が１つの局所解からはじめられる進化計算の効果的な世代交代モデルに従って実際に進化させた。各世代の変異体のシーケンスを全解読し、変異の蓄積分布を分析した。並列度の高い計算機アーキテクチャーを前提とした新しい進化計算の理論を考案した。

【研究種目】基盤研究(B)

【研究期間】2011-04-01 - 2014-03-31

【配分額】20,410千円 (直接経費: 15,700千円、間接経費: 4,710千円)

【研究分野】知能情報学

【研究領域課題番号】12680387 (KAKENデータベースで見る）

【研究キーワード】

マルチエージェントシステム / マルチエージェント強化学習 / 強化学習 / 機械学習 / 進化計算 / ニューラルネットワーク / 実数値GA / 最適化 / 共進化 / 世代交代モデル / 自律エージェント / 進化的計算 / ニューラルネット / 人工知能 / 分散人工知能 / 実数値遺伝的アルゴリズム

【研究成果の概要】

近年,強化学習手法を応用して,マルチエージェント環境におかれたエージェント群そのものに,試行錯誤な相互作用を行わせ,それらが採用すべき協調行動をボトムアップ的に組織化させ,それによってマルチエージェントシステムの設計者を支援しようとする試み("マルチエージェント強化学習"と呼ぶ)が数多くなされている.しかし,マルチエージェント環境におかれたエージェント群に,従来の強化学習を適用して適切な協調行動を獲得させようとすると,各エージェントの状態空間は組合せ的に爆発してしまう.
本研究の代表者らは,適度に圧縮表現された状態空間上で各エージェントが学習可能なマルチエージェント強化学習手法を提案し,それにより上記の状態空間の爆発が回避し得ることを実験的に示してきた.平成12年度は,この手法と進化計算を併用することによって,エージェント群に,状態空間の爆発を回避するための適切な状態空間表現を自動的に獲得させながら,それらが採用すべき協調行動を効果的に組織化させるための手法を提案した.提案手法は,マルチエージェントシステムを構成するエージェントの状態表現およびその行動政策を人手に頼ることなく自動的に設計するための要素技術を提供する.
平成13年度は,状態空間の爆発を回避可能な新しいマルチエージェント強化学習手法として,エージェントの行動政策を予め構造が決定されたニューラルネットにより表現すると共に,その重みベクトルを実数値GAにより最適化することに基礎をおく"進化型ニューラルネット手法"に基づく手法を提案した.提案手法は,連続値/離散値が混在する入出力への対応,連続/離散時間による意思決定への対応,大規模な問題への対応,大域的に良好な行動政策の獲得への対応など,従来手法にはない優れた特色を有しており,マルチエージェントシステムの自動設計のための汎用的な要素技術を提供する.

【研究種目】基盤研究(C)

【研究期間】2000 - 2001

【配分額】3,600千円 (直接経費: 3,600千円)