| 題名 | 共存型GAを用いた看護師勤務表の最適化〜看護師の離職を考慮する場合の検討〜 |
| 著者 | *�靄� 祐輔 (鳥取大学電気電子工学科), 采女 真也, 河野 光, 安藤 正貴, 小鉄 和広, 大木 誠 (鳥取大学大学院情報エレクトロニクス専攻) |
| Page | p. 389 |
| Keyword | 勤務表作成, 遺伝的アルゴリズム, 共存型GA |
| Abstract | 総合病院で働く看護師の勤務表作成には、多くの考慮すべき事項がある。そのため医療現場では看護師勤務表の作成に多大な時間とコストを費やされている。これに対し、計算機を用いた看護師勤務表の自動作成の研究が数多く行われている。近年、看護師の離職率は増加傾向にある。2003年では11.6％だった離職率が2007年では12.4％に増加している。また月の途中において勤務変更が生じる場合もあり、月の途中での勤務表変更および最適化が必要である。本研究では月の半ばに看護師が離職した場合に、新たな勤務表を再構成する手法を検討する。 |
| 題名 | 短時間労働者勤務表作成問題の検討 |
| 著者 | *安藤 正貴 (鳥取大学工学部電気電子工学科), 采女 真也, 河野 光 (鳥取大学大学院工学研究科), 濱本 祐輔 (鳥取大学工学部電気電子工学科), 小鉄 和広, 大木 誠 (鳥取大学大学院工学研究科) |
| Page | p. 390 |
| Keyword | 勤務表作成, 遺伝的アルゴリズム |
| Abstract | ホームセンターなどでは多くの短時間労働者が勤務している。短時間労働者の勤務表作成においては、各勤務者の希望時間帯や熟練度、熟練職種などを考慮する必要がある。また曜日や時期、時間帯によって必要人員数が異なる。しかし勤務表は人手によって作成されているため膨大な時間と労力を必要とする。このような短時間労働者の勤務表作成を計算機によりある程度自動化できれば、人的・時間的コストの低減が期待できる。本研究では、短時間労働者の勤務表を、遺伝的アルゴリズムによって最適化する手法について検討する。 |
| 題名 | 2次割当問題に対する反復k-opt局所探索法の検討 |
| 著者 | *北田 雅享 (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) |
| Page | p. 391 |
| Keyword | 2次割当問題, 反復局所探索法, 組合せ最適化 |
| Abstract | 2次割当問題（Quadratic Assignment Problem，QAP）は，NP困難な組合せ最適化問題として知られている．本論文では，QAPに対してk-opt局所探索法を提案し，それをメタ戦略の一つである 反復局所探索法の枠組みに導入した反復k-opt局所探索法を提案する． 反復 k-opt局所探索法の性能を評価するために，基本的な2-opt局所探索法（最良移動戦略など）を反復局所探索法の枠組みに導入した反復2-opt局所探索法との比較を通して，IKLSの探索性能を検討する． |
| 題名 | 最大クリーク問題に対する反復局所探索法のKick法の比較 |
| 著者 | *幸村 明典, 片山 謙吾 (岡山理科大学 情報工学科 片山研究室), 南原 英生, 成久 洋之 (岡山理科大学) |
| Page | p. 392 |
| Keyword | 反復局所探索法, 組合せ最適化, 最大クリーク問題 |
| Abstract | 反復局所探索法は代表的なメタ戦略アルゴリズムの一つであり，局所探索法と局所最適解から脱出する操作であるKick法から構成される． 本論文では，最大クリーク問題に対して，我々が提案しているk-opt局所探索法(k-opt local search, KLS)にもとづく反復局所探索法（iterated KLS, IKLS）のKick法に関して検討する．Kick法として，3タイプのKick法を示し，DIMACSベンチマーク問題例への適用を通して，それぞれのKick法を有するIKLSの性能を評価する． |
| 題名 | 機械学習を用いたタンパク質N-ミリストイル化予測ツールの評価 |
| 著者 | *角 朝香 (山口大学大学院理工学研究科), 岡田 諒 (日立中国ソリューションズ), 杉井 学 (山口大学メディア基盤センター), 松野 浩嗣 (山口大学大学院理工学研究科) |
| Page | pp. 393 - 394 |
| Keyword | 機械学習, N-ミリストイル化, 配列解析, 特徴抽出 |
| Abstract | タンパク質N-ミリストイル化は，真核生物およびウイルス由来のタンパク質のN末端に炭素数14の飽和脂肪酸であるミスチリン酸が共有結合するタンパク質脂質修飾の１つである。 ある種のタンパク質は，ミリストイル化が生じる事によって細胞膜との結合が可能になり，細胞情報伝達をはじめとするカスケード反応を進行させることは重要な機能の１つとして挙げられる。 このタンパク質N-ミリストイル化が生じるために重要とされているのがミリストイル化シグナル配列と呼ばれるミリストイル化タンパク質のN末端アミノ酸配列の組み合わせであり，いくつかの特徴が発見されている。 現在，研究者らは，生化学実験により培われた知識をもとに未分類のタンパク質配列に対してミリストイル化が生じるか否かを検討し，実際に生化学実験を行って検証を行っている。 しかしながら，ミリストイル化は非常に特異的な反応であると考えられており，膨大なタンパク質データの中からミリストイル化タンパク質を特定するのは困難である。 このように「ヒトの目」では判別が困難とされる特徴であっても，計算機を応用することによって容易に発見することが可能になる。 我々は先の研究にて，機械学習の手法を応用することによってタンパク質ミリストイル化に共通する特徴を抽出し，ミリストイル化タンパク質を予測するツールの作成を行った。 本研究では，開発したツールの精度の検証と改善を目的とし，生化学的実験により検証されたタンパク質の配列をサンプルデータとして用いて精度評価実験を行った。 |