| 題名 | 特定ペナルティに注目した共存型GAによる看護師勤務表の最適化 |
| 著者 | *河野 光 (鳥取大学大学院情報エレクトロニクス専攻電気電子工学コース), 田中 直文, 安藤 正貴, 大木 誠 (鳥取大学 工学部電気電子工学科) |
| Page | p. 536 |
| Keyword | 共存型GA, 看護師勤務表作成問題, ペナルティ関数, 最適化 |
| Abstract | 病院で働く看護師の勤務表作成には考慮すべき事由が多数存在する．人為的に勤務表の作成を試みた場合，勤務表の作成に多大な労力を必要とする．これに対し計算機を用いて勤務表を自動作成することにより，このような問題を軽減しようとする研究が行われている．本研究では勤務表を自動作成する際に，「看護1人の勤務スケジュールに対する評価」と「1日の勤務日に対する評価」を設定し，共存型GAを用いた勤務表の最適化を提案する．共存型GAのオペレータとして主に交叉と突然変異を用いる． |
| 題名 | GPを用いたグローバル人的資源管理システム |
| 著者 | *吉野 宏章 (鳥取大学大学院 工学研究科 情報エレクトロニクス専攻), 木村 周平 (鳥取大学大学院 工学研究科), 白木 三秀 (早稲田大学大学院 経済学研究科), 松村 幸輝 (鳥取大学大学院 工学研究科) |
| Page | p. 537 |
| Keyword | GP, 人的資源管理, 決定木 |
| Abstract | 日本企業のグローバル化により，海外派遣者の派遣地への不適応という問題が生じている．この問題は，派遣者本人と派遣元，派遣先企業に経済的損失をもたらす．そこで，効率的な海外派遣を知的支援するシステムの作成を試みた．海外派遣候補者に事前アンケートに回答してもらい，その回答を元に評価ツールで海外派遣者選定できるようなシステムを目指している．今回，遺伝的プログラミングを用いて決定木を作成し，予測，構築したモデルの解釈により有用な知識の発見を試みた． |
| 題名 | 合理的エージェントと学習エージェントの協調学習についての検討 |
| 著者 | *�眦� 侑矢 (広島市立大学大学院 情報科学研究科), 三倉 有喜 (マツダ株式会社), 上田 祐彰, �盒� 健一 (広島市立大学大学院 情報科学研究科) |
| Page | p. 538 |
| Keyword | BDIアーキテクチャ, 強化学習, エージェント, エレベータ最適制御問題 |
| Abstract | 本研究では，BDIアーキテクチャを実装した合理的エージェントと，強化学習を用いた学習エージェントの協調学習手法を提案する．なお，対象とする問題はエレベータ最適制御問題とした．提案手法を実装したエージェントと強化学習を実施しないエージェントの性能を実験により評価し，提案手法の有用性を検証した．実験の結果，提案手法は学習を実施しない手法よりも良い結果が得られた．この実験の結果から，エージェントの協調により，効率的に乗客を輸送するための方策が学習できていると考えられる．今後の課題には，合理的エージェントが策定するプランを利用した学習機構の実現などがある． |
| 題名 | 時系列データからの方策獲得システムの作成 |
| 著者 | *引地 美穂, �盒� 健一, 上田 祐彰 (広島市立大学大学院 情報科学研究科) |
| Page | p. 539 |
| Keyword | 時系列データ, 方策の獲得 |
| Abstract | 情報技術の発展に伴い，大量の時系列データが蓄積され，その分析が幅広く行われている．時系列データ解析の代表的な応用例に株価予測がある．株価予測の主要な目的は，日経平均株価などの時系列データからトレンドを予測し，株価の売買利益を最大化する方策を獲得することである．しかし現実社会では，未来を予測するだけでなく，未来を良くするための最適な方策を検討することが重要となる場合もある．しかし，株価等を実際に操作することは困難である．したがって本研究では，タスク割当シミュレータを用いて時系列データを作成し，そのデータを解析することにより，未来を良い方向へと導く方策を獲得するシステムの実現を目指す． |
| 題名 | 多チャンネルARTネットワークを用いた自律エージェントにおける学習機構の構築 |
| 著者 | *森下 仁美, 高橋 健一, 上田 祐彰 (広島市立大学大学院 情報科学研究科) |
| Page | p. 540 |
| Keyword | ファジィART, 強化学習 |
| Abstract | 自律エージェントの行動規則の学習が行えるようファジィART(Adaptive Resonance Theory）を拡張した手法に，FALCON (A Fusion Architecture for Learning COgnition, and Navigation)と呼ばれる手法がある．本研究では，FALCONを用いて学習システムを構築した．しかしFALCONでは，自身の知覚情報，行動，報酬の対応関係のみを学習しているため，マルチエージェント環境において最適な行動選択を学習することが困難である．本研究では，他エージェントの行動確率が受理できるようにFALCONを拡張し，計算機実験により，手法の有用性を示す． |