(セッション表へ)

平成19年度 電気・情報関連学会中国支部第58回連合大会

部門: セッション 0802  23. ファジィ・AI・GA-(2)
日時: 2007年10月20日(土) 10:30 - 11:35
部屋: 工学部 1階 108講義室 (→地図)
座長: 宮原 哲浩 (広島市立大学 情報科学研究科 知能工学専攻)

23-7 (時間: 10:30 - 10:43)
題名双方向マンハッタンストリートネットワークのノード配置問題に対する地形解析
著者*北田 雅享 (岡山理科大学 工学部 情報工学科), 山下 浩司 (岡山理科大学大学院 工学研究科), 片山 謙吾, 南原 英生, 成久 洋之 (岡山理科大学 工学部 情報工学科)
Pagep. 247
KeywordBMSNのノード配置問題, 地形解析, 局所探索法, 大谷構造, 相関
Abstract 地形解析(landscape analysis) の研究は様々な組合せ最適化問題を対象に行われている. 地形とは探索空間における構造の複雑さの尺度である. その解析によって, 対象とする最適化問題を発見的に解くことの困難さをある程度見積もることができる.  本論文では, 双方向マンハッタンストリートネットワーク(BMSN: Bidirectional Manhattan Street Network) のノード配置問題(NPP: Node Placement Problem) に対して提案されているk-swap 局所探索法を用いてNPPの地形解析を行う. 解析の結果, NPPは探索空間に大谷構造を有している可能性があることを示す.

23-8 (時間: 10:43 - 10:56)
題名WDMネットワークにおけるノード配置問題に対する反復k-swap局所探索法
著者*山下 浩司 (岡山理科大学大学院 工学研究科), 片山 謙吾, 南原 英生, 成久 洋之 (岡山理科大学 工学部 情報工学科)
Pagep. 248
Keyword反復局所探索法, 可変深度探索, Node Placement Problem, 波長分割多重
Abstract我々は,これまでに,双方向マンハッタンストリートネットワークのノード配置問題(Node Placement Problem, NPP)に対して可変深度探索のアイデアに基づくk-swap局所探索法(k-swap Local Search, KLS)を提案し,その有効性を示した. 本論文では,組合せ最適化問題に対して有効なメタ戦略アルゴリズムとして知られている反復局所探索法の枠組みにKLSを組み込んだ反復KLS(Iterated KLS, IKLS)を提案する. そして,NPPに対する強力な解法として知られるHIWASとの比較を通して,IKLSの性能を検討する.

23-9 (時間: 10:56 - 11:09)
題名階層化意志決定法を用いた複数台エレベータの群制御
著者*妹尾 悠也 (岡山理科大学 工学部 情報工学科), 太田 真由美 (岡山理科大学大学院 工学研究科 情報工学専攻), 片山 謙吾, 南原 英生, 成久 洋之 (岡山理科大学 工学部 情報工学科)
Pagep. 249
Keywordマルチエージェント, AHP
Abstract階層化意思決定法(Analytic Hierarchy Process,AHP)は,主観的な判断や曖昧さを含む評価を定量的に扱うことのできる意思決定法である.AHPは柔軟な枠組みを有するため,様々な意思決定問題の解決に有用である.我々は,AHPの新たな利用方法として,マルチエージェント強化学習にAHPを導入するAHP-強化学習法を提案している.本研究では,従来のエレベータ群制御問題に対するAHPのみによる制御法の有効性について検討する.シミュレーションの結果,AHP制御法は,従来の単純な制御法に比べて,人間の知識を数値化し,判断基準として用いることができるため,効率の良い有効な結果を算出可能であることを示す.

23-10 (時間: 11:09 - 11:22)
題名複数タスク問題におけるAHP強化学習の有効性
著者*太田 真由美 (岡山理科大学大学院 工学研究科 情報工学専攻), 片山 謙吾, 南原 英生, 成久 洋之 (岡山理科大学 工学部 情報工学科)
Pagep. 250
Keywordマルチエージェント, 強化学習, AHP, レスキュー問題
Abstract強化学習は,現実問題のような不確実性を含む環境において,エージェントが有効に対応できる手法として期待されているが,多くの学習時間を余儀なくされる場合が多い.そのため,より高速に学習できる実用的な強化学習の設計が望まれている.そのような観点から,我々はエージェントが目的を果たす上で最低限必要な知識を階層化意思決定法(AHP)で設計し,従来の強化学習に導入するAHP強化学習を提案している.本研究では,現実問題において多く存在する複数タスク問題を対象に,AHP強化学習の有効性について検討を行う.その結果,複数タスク問題に対しても,AHP強化学習は有効であり,知識の導入に伴う悪影響なしに学習できることを示す.

23-11 (時間: 11:22 - 11:35)
題名最大クリーク問題に対するMemetic Algorithmの検討
著者*貞松 政史 (岡山理科大学大学院 工学研究科 情報工学専攻), 片山 謙吾, 南原 英生, 成久 洋之 (岡山理科大学 工学部 情報工学科)
Pagep. 251
Keyword組合せ最適化, 最大クリーク問題, Memetic Algorithm, 可変深度探索, 局所探索法
Abstract実用上重要な組合せ最適化問題の一つに最大クリーク問題(MCP)がある.MCPに対する解法アルゴリズムとして,進化計算手法が数多く提案されている.最近我々は,MCPに対する地形解析によって,MCPの多くの問題例は探索空間が構造化されていないことを示した.したがって,一般的な交叉を用いる手法では,MCPに対して理想的な挙動を期待できないと考えられる.本論文では,MCPに対して,交叉を用いず,突然変異および局所探索法によって探索を行うMemetic Algorithm(MA)を提案する.そして,MCPに対する最先端な進化計算手法であるEA/GおよびHSSGAとの比較を通して提案法MAの探索性能を検討する.