特許ウォッチ

公開番号2025151664
公報種別公開特許公報(A)
公開日2025-10-09
出願番号2024053203
出願日2024-03-28
発明の名称情報処理装置、制御方法及び記憶媒体
出願人日本電気株式会社
代理人個人,個人,個人
主分類G06F 18/2321 20230101AFI20251002BHJP(計算;計数)
要約【課題】実行すべきアクションを好適に決定する。
【解決手段】
情報処理装置1Xは、主に、取得手段15Xaと、第1決定手段15Xbと、選択手段15Xcと、観測手段15Xdと、第2決定手段15Xeと、を有する。取得手段15Xaは、オンライン最適化問題を表すフィードバックグラフを取得する。第1決定手段15Xbは、フィードバックグラフに基づいて、アクション候補から実行するアクションを選ぶ確率分布を決定する。選択手段15Xcは、確率分布に基づいてアクションを選択する。観測手段15Xdは、アクションに基づく損失を観測する。第2決定手段15Xeは、観測した損失に基づいて、確率分布の決定に用いる重みを決定する。
【選択図】図9
特許請求の範囲【請求項１】
オンライン最適化問題を表すフィードバックグラフを取得する取得手段と、
前記フィードバックグラフに基づいて、アクション候補から実行するアクションを選ぶ確率分布を決定する第１決定手段と、
前記確率分布に基づいて前記アクションを選択する選択手段と、
前記アクションの実行に基づく損失を観測する観測手段と、
前記損失に基づいて、前記確率分布の決定に用いる重みを決定する第２決定手段と、
を有する情報処理装置。
続きを表示（約 1,100 文字）【請求項２】
前記重みは、前記フィードバックグラフの設定であり、
前記第２決定手段は、前記アクションを決定するラウンドごとに前記重みを更新する、請求項１に記載の情報処理装置。
【請求項３】
前記第２決定手段は、前記損失に基づく動的リグレットをよくするように前記重みを決定する、請求項１に記載の情報処理装置。
【請求項４】
前記観測手段は、前記アクションに基づく損失として、当該アクションと、前記フィードバックグラフにおいて当該アクションを始点とする枝の終点の頂点に対応するアクション候補と、を夫々実行した場合に生じる第１損失を取得する、請求項１に記載の情報処理装置。
【請求項５】
前記第１損失と、前記確率分布とに基づき、前記重みの更新に用いる第２損失を算出する算出手段をさらに有し、
前記第２決定手段は、前記第２損失に基づき、前記重みを決定する、請求項４に記載の情報処理装置。
【請求項６】
前記第１決定手段は、前記フィードバックグラフの分類に基づき、前記確率分布を決定する、請求項１に記載の情報処理装置。
【請求項７】
前記取得手段は、前記フィードバックグラフに関する情報を記憶する記憶装置を参照し、前記フィードバックグラフを取得する、請求項１に記載の情報処理装置。
【請求項８】
前記選択手段により選択された前記アクションに関する情報を表示装置に表示させる表示制御手段をさらに有する、請求項１に記載の情報処理装置。
【請求項９】
コンピュータが、
オンライン最適化問題を表すフィードバックグラフを取得し、
前記フィードバックグラフに基づいて、アクション候補から実行するアクションを選ぶ確率分布を決定し、
前記確率分布に基づいて前記アクションを選択し、
前記アクションの実行に基づく損失を観測し、
前記損失に基づいて、前記確率分布の決定に用いる重みを決定する、
制御方法。
【請求項１０】
オンライン最適化問題を表すフィードバックグラフを取得し、
前記フィードバックグラフに基づいて、アクション候補から実行するアクションを選ぶ確率分布を決定し、
前記確率分布に基づいて前記アクションを選択し、
前記アクションの実行に基づく損失を観測し、
前記損失に基づいて、前記確率分布の決定に用いる重みを決定する処理をコンピュータに実行させるプログラムが格納された記憶媒体。

発明の詳細な説明【技術分野】
【０００１】
本開示は、オンライン最適化問題に関する処理を行う情報処理装置、制御方法及び記憶媒体の技術分野に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
最適なアクションを決定するシステムが知られている。例えば、特許文献１には、対象期間の各期に渡って所定のアクションを実行した場合に所定の遷移確率に従って遷移し得る各期の状態それぞれについて、リスクを考慮した最適アクションを決定する技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０１２－０６８７８０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
観測とアクションを逐次的に行うオンライン最適化問題では、代表的な目的関数として静的リグレットが用いられる場合がある。一方、静的リグレットでは、ラウンドごとに求めるアクションとの比較対象を各ラウンドにおいて固定されたアクションとしているため、求めたアクションが最善又はこれに類するアクションではない場合が生じ得る。
【０００５】
本開示の目的の一つは、上述した課題を鑑み、実行すべきアクションを好適に決定することが可能な情報処理装置、制御方法及び記憶媒体を提供することである。
【課題を解決するための手段】
【０００６】
情報処理装置の一の態様は、
オンライン最適化問題を表すフィードバックグラフを取得する取得手段と、
前記フィードバックグラフに基づいて、アクション候補から実行するアクションを選ぶ確率分布を決定する第１決定手段と、
前記確率分布に基づいて前記アクションを選択する選択手段と、
前記アクションの実行に基づく損失を観測する観測手段と、
前記損失に基づいて、前記確率分布の決定に用いる重みを決定する第２決定手段と、
を有する情報処理装置である。
【０００７】
制御方法の一の態様は、
コンピュータが、
オンライン最適化問題を表すフィードバックグラフを取得し、
前記フィードバックグラフに基づいて、アクション候補から実行するアクションを選ぶ確率分布を決定し、
前記確率分布に基づいて前記アクションを選択し、
前記アクションの実行に基づく損失を観測し、
前記損失に基づいて、前記確率分布の決定に用いる重みを決定する、
制御方法である。
【０００８】
記憶媒体の一の態様は、
オンライン最適化問題を表すフィードバックグラフを取得し、
前記フィードバックグラフに基づいて、アクション候補から実行するアクションを選ぶ確率分布を決定し、
前記確率分布に基づいて前記アクションを選択し、
前記アクションの実行に基づく損失を観測し、
前記損失に基づいて、前記確率分布の決定に用いる重みを決定する処理をコンピュータに実行させるプログラムが格納された記憶媒体である。
【発明の効果】
【０００９】
本開示による効果の一例では、制約の緩和を考慮した情報を好適に出力することが可能となる。
【図面の簡単な説明】
【００１０】
最適化システムの構成を示す。
情報処理装置のハードウェア構成を示す。
情報処理装置のプロセッサの機能ブロックの一例である。
（Ａ）ｆｕｌｌ－ｉｎｆｏｒｍａｔｉｏｎフィードバック設定の一例を示す。（Ｂ）ｂａｎｄｉｔフィードバック設定の一例を示す。
（Ａ）ｓｔｒｏｎｇｌｙｏｂｓｅｒｖａｂｌｅとなるフィードバックグラフの例を示す。（Ｂ）ｗｅａｋｌｙｏｂｓｅｒｖａｂｌｅとなるフィードバックグラフの例を示す。（Ｃ）ｓｔｒｏｎｇｌｙｏｂｓｅｒｖａｂｌｅ又はｗｅａｋｌｙｏｂｓｅｒｖａｂｌｅのいずれにも該当しないフィードバックグラフの例を示す。
本開示アルゴリズムに基づく処理手順を示すフローチャートの一例である。
小売店の販売における機会損失に関する適用例を表すフィードバックグラフである。
最適化システムの構成を示す。
情報処理装置の機能ブロック図である。
情報処理装置の処理手順を示すフローチャートの一例である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許