特許ウォッチ

公開番号2025012044
公報種別公開特許公報(A)
公開日2025-01-24
出願番号2023114576
出願日2023-07-12
発明の名称演算プログラム、演算方法、および情報処理装置
出願人富士通株式会社
代理人個人
主分類G06N 99/00 20190101AFI20250117BHJP(計算;計数)
要約【課題】サンプリング回数を低減することができる演算プログラム、演算方法、および情報処理装置を提供する。
【解決手段】演算プログラムは、学習データ群に基づきイジングモデルを作成し、前記イジングモデルについて第1設定数分の第1推薦点を探索し、前記学習データ群に対して遺伝的アルゴリズムによって第2設定数分の第2推薦点を探索し、前記第1推薦点および前記第1推薦点の第1評価値と、前記第2推薦点および前記第2推薦点の第2評価値と、をそれぞれ学習データとして前記学習データ群に加えるという演算処理を繰り返し実行する場合において、コンピュータに、前記学習データ群の各学習データを、複数の目的関数を線形加重和した目的変数として表し、前記演算処理を実行するたびに前記線形加重和の重みを変動させる処理を実行させる。
【選択図】図8

特許請求の範囲【請求項１】
学習データ群に基づきイジングモデルを作成し、前記イジングモデルについて第１設定数分の第１推薦点を探索し、前記学習データ群に対して遺伝的アルゴリズムによって第２設定数分の第２推薦点を探索し、前記第１推薦点および前記第１推薦点の第１評価値と、前記第２推薦点および前記第２推薦点の第２評価値と、をそれぞれ学習データとして前記学習データ群に加えるという演算処理を繰り返し実行する場合において、
コンピュータに、
前記学習データ群の各学習データを、複数の目的関数を線形加重和した目的変数として表し、前記演算処理を実行するたびに前記線形加重和の重みを変動させる処理を実行させることを特徴とする演算プログラム。
続きを表示（約 1,400 文字）【請求項２】
前記コンピュータに、
初期点の個数と変数とを、０か１の値で表した行列Ｘをランダムに作成し、行列Ｘに対してＤ＝｜Ｘ
Ｔ
Ｘ｜を計算する処理を繰り返すことで、所定条件を満たす行列Ｘを探索し、探索された行列Ｘで表された各値を前記学習データ群の各学習データの初期点とする処理を実行させることを特徴とする請求項１に記載の演算プログラム。
【請求項３】
前記学習データ群に対して前記遺伝的アルゴリズムを適用する際に、前記学習データ群に含まれる全ての学習データを対象とすることを特徴とする請求項１に記載の演算プログラム。
【請求項４】
前記コンピュータに、
前記イジングモデルの精度に応じて、前記第１設定数および前記第２設定数を決定する処理を実行させることを特徴とする請求項１に記載の演算プログラム。
【請求項５】
前記コンピュータに、
前記イジングモデルの精度が閾値未満である場合には、前記第１推薦点を探索せずに前記第２推薦点設定数を増やして前記第２推薦点を探索する処理を実行させることを特徴とする請求項４に記載の演算プログラム。
【請求項６】
前記コンピュータに、
前記イジングモデルの精度が閾値未満である場合に、前記第１推薦点を探索せずに、前記第１設定数および前記第２設定数の和を前記第２設定数に設定して前記第２推薦点を探索する処理を実行させることを特徴とする請求項４に記載の演算プログラム。
【請求項７】
前記コンピュータに、
前記イジングモデルの精度が閾値以上である場合には、前記第１設定数および前記第２設定数を変更せずに、前記第１推薦点および前記第２推薦点を探索する処理を実行させることを特徴とする請求項４に記載の演算プログラム。
【請求項８】
前記学習データ群における前記学習データの個数に上限が設けられており、
前記コンピュータに、
前記学習データ群において前記学習データの個数が前記上限を超えた場合に、前記学習データのそれぞれの評価値に応じて、前記学習データ群を更新する処理を実行させることを特徴とする請求項１に記載の演算プログラム。
【請求項９】
前記コンピュータに、
前記学習データ群における前記学習データの個数が前記上限を超えた場合に、評価値の高い順に前記上限の個数分の前記学習データを前記学習データ群に残して他の前記学習データを削除する処理を実行させることを特徴とする請求項８に記載の演算プログラム。
【請求項１０】
学習データ群に基づきイジングモデルを作成し、前記イジングモデルについて第１設定数分の第１推薦点を探索し、前記学習データ群に対して遺伝的アルゴリズムによって第２設定数分の第２推薦点を探索し、前記第１推薦点および前記第１推薦点の第１評価値と、前記第２推薦点および前記第２推薦点の第２評価値と、をそれぞれ学習データとして前記学習データ群に加えるという演算処理を繰り返し実行する場合において、
コンピュータが、
前記学習データ群の各学習データを、複数の目的関数を線形加重和した目的変数として表し、前記演算処理を実行するたびに前記線形加重和の重みを変動させる処理を実行することを特徴とする演算方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本件は、演算プログラム、演算方法、および情報処理装置に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
バイナリ変数のサンプリングを行うことで最適化を行なう技術が開示されている（例えば、特許文献１～３参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－１９０７５２号公報
特開２０２１－３３５４４号公報
特開２０２２－４５８７０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
例えば、ＱＵＢＯ形式のイジングモデルを用いたサンプリング技術は、モデル上の推薦点を逐次的にサンプリングする手法であるため、サンプリング領域が限定されてしまうおそれがある。そのため、結果として、サンプリング回数が多くなってしまうおそれがある。
【０００５】
１つの側面では、本件は、サンプリング回数を低減することができる演算プログラム、演算方法、および情報処理装置を提供することを目的とする。
【課題を解決するための手段】
【０００６】
１つの態様では、演算プログラムは、学習データ群に基づきイジングモデルを作成し、前記イジングモデルについて第１設定数分の第１推薦点を探索し、前記学習データ群に対して遺伝的アルゴリズムによって第２設定数分の第２推薦点を探索し、前記第１推薦点および前記第１推薦点の第１評価値と、前記第２推薦点および前記第２推薦点の第２評価値と、をそれぞれ学習データとして前記学習データ群に加えるという演算処理を繰り返し実行する場合において、コンピュータに、前記学習データ群の各学習データを、複数の目的関数を線形加重和した目的変数として表し、前記演算処理を実行するたびに前記線形加重和の重みを変動させる処理を実行させる。
【発明の効果】
【０００７】
サンプリング回数を低減することができる。
【図面の簡単な説明】
【０００８】
ＱＵＢＯ形式での解の探索を例示する図である。
多数のユーザが見た映画の評価値を表す図である。
ＱＵＢＯ形式のモデルを用いたサンプリング技術における実行手順を表すフローチャートである。
（ａ）は情報処理装置の全体構成を例示するブロック図であり、（ｂ）は情報処理装置のハードウェア構成を例示するブロック図である。
情報処理装置の動作の一例を表すフローチャートである。
ステップＳ１１の詳細を表すフローチャートである。
行列Ｘを例示する図である。
ステップＳ１３の詳細を表すフローチャートである。
（ａ）および（ｂ）はＮＳＧＡＩＩを例示する図である。
（ａ）は交叉を例示する図であり、（ｂ）は突然変異を例示する図である。
（ａ）は磁気シールドの最適化問題を例示する図であり、（ｂ）はガウス基底関数の配置を例示する図であり、（ｃ）はコイルから発生する磁束線を例示する図である。
正の配置および負の配置を例示する図である。
形状関数ｙの分布を表す図である。
シミュレーション結果を示す図である。
ＨＶについて説明するための図である。
【発明を実施するための形態】
【０００９】
多数の組合せや順序などから評価値の高い良解を探索する技術として、バイナリ変数のサンプリング技術が用いられている。バイナリ変数のサンプリング技術として、ランダムにサンプリングを行うサンプリング技術、ＱＵＢＯ形式のイジングモデルを用いたサンプリング技術などが挙げられる。
【００１０】
ランダムにサンプリングを行うサンプリング技術は、手軽にサンプリングを行うことができる一方、サンプリング効率が悪く、高い精度で良解を得るためにはサンプリング回数が多くなってしまうという欠点を有している。
（【００１１】以降は省略されています）

関連特許