Discovery Sagaサイレントキーワード俯瞰

前年度に、確率分布を仮定せずに、データからロバストな意思決定を導くことができるための方法論について提案を行った。その際に、提案技法は計算負荷が高く、データの次元数が大きい場合、実用時間内に計算が終了しないことが判明した。このため、今年度は、大規模問題に対するアルゴリズムの開発を中心に研究した。
近年、凸計画の分野で、大規模問題に対する分解法として着目されているConsensus Optimization (CO) を応用したアルゴリズムを開発した。CO は、大規模問題を複数の小規模なサブ問題に分割し、分散的に求解する。それぞれのサブ問題は、異なる意思決定が出力されることから、これらの意思決定が一致する合意制約を課す。このCO は、解の精度については内点法などの2次収束アルゴリズムに劣るものの、高い精度が必要のない場合には、問題を高速に求解できることが知られている。この技法を適用し、トレーニングデータを複数のブロックに分割し、分散学習を行うことで、効率的に求解できる工夫を行った。数値実験では、提案した分解法を適用し、従来では解けなかったサイズの問題が解ける様になり、有効性を検証することが出来た。これらの成果をまとめてジャーナルへ投稿し、採択となった。
また、より大規模なデータを用いた社会実装を進めるべく、企業との共同研究を進めている。具体的にはECを運営する小売業における在庫管理に対して、提案したアルゴリズムを適用することで、有効性の検証を行っている。