| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-17 09:40 動的計画法に基づくPattern Generatorの学習データ生成法 ○堤 桂介・藤田実沙（中京大）  CCS2025-56 |
|
| 抄録 | （和） | 多点探索型のメタヒューリスティクスにおいて，探索を開始する初期解の質と多様性の両立は重要である． これまでに，0-1 ナップサック問題を対象として，教師ありニューラルネットワークを用いて高品質な解の特徴を学 習し，その特徴を有する複数の互いに異なる解を生成する手法が提案されている．本手法により生成した解を初期解 とした遺伝的アルゴリズムは，ランダムに生成した解を初期解とした遺伝的アルゴリズムよりも少ない世代数で最適 解に到達できることが報告されている．しかし，先行研究では学習データを列挙法で生成するため，大規模な問題例 への適用が困難であるという課題がある．そこで本研究では，列挙法に依存しない学習データ生成法を提案する．具 体的には，動的計画法によって最適解を求め，その近傍に存在する構造的に類似した解を学習データとして使用する． 数値実験の結果，提案法は列挙法と同等の探索性能を，約 1/10 の学習データ数で達成できることを確認した． |
| （英） | In population-based metaheuristics, it is important to achieve both high quality and sufficient diversity of initial solutions. For the 0-1 knapsack problem, a method has been proposed that learns the characteristics of high-quality solutions using a supervised neural network and generates multiple mutually different solutions that exhibit those characteristics. It has been reported that a genetic algorithm initialized with the solutions generated by this method can reach an optimal solution in fewer generations than a genetic algorithm initialized with randomly generated solutions. However, in the previous work, training data are generated by exhaustive enumeration, which makes it difficult to apply the method to large-scale problem instances. In this study, we propose a training-data generation method that does not rely on exhaustive enumeration. Specifically, we obtain an optimal solution by dynamic programming and use structurally similar solutions in its neighborhood as training data. Numerical experiments confirm that the proposed method achieves search performance comparable to that of the enumeration-based approach while using approximately one-tenth as many training samples. |
|
| キーワード | （和） | Pattern generator / ニューラルネットワーク / 遺伝的アルゴリズム / 動的計画法 / ナップサック問題 / / / |
| （英） | Pattern generator / neural network / genetic algorithm / dynamic programing / knapsack problem / / / | |
| 文献情報 | 信学技報, vol. 125, no. 416, CCS2025-56, pp. 12-16, 2026年3月. | |
| 資料番号 | CCS2025-56 | |
| 発行日 | 2026-03-10 (CCS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | CCS2025-56 |
|
| 研究会情報 | |
| 研究会 | CCS |
| 開催期間 | 2026-03-17 - 2026-03-18 |
| 開催地（和） | 北海道 ルスツリゾートホテル&コンベンション |
| 開催地（英） | RUSUTSU RESORT |
| テーマ（和） | CCS, 一般 |
| テーマ（英） | CCS, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | CCS |
| 会議コード | 2026-03-CCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 動的計画法に基づくPattern Generatorの学習データ生成法 |
| サブタイトル（和） | |
| タイトル（英） | Dynamic Programming-Based Learning Data Generation for a Pattern Generator |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Pattern generator / Pattern generator |
| キーワード(2)（和/英） | ニューラルネットワーク / neural network |
| キーワード(3)（和/英） | 遺伝的アルゴリズム / genetic algorithm |
| キーワード(4)（和/英） | 動的計画法 / dynamic programing |
| キーワード(5)（和/英） | ナップサック問題 / knapsack problem |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 堤 桂介 / Keisuke Tsutsumi / ツツミ ケイスケ |
| 第1著者 所属（和/英） | 中京大学 (略称： 中京大) Chukyo University (略称： Chukyo Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 藤田 実沙 / Misa Fujita / |
| 第2著者 所属（和/英） | 中京大学 (略称： 中京大) Chukyo University (略称： Chukyo Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-17 09:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | CCS |
| 資料番号 | CCS2025-56 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.416 |
| ページ範囲 | pp.12-16 |
| ページ数 | 5 |
| 発行日 | 2026-03-10 (CCS) |
[研究会発表申込システムのトップページに戻る]