权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Real-world application of agent based model created from BCMP queueing networks and machine learning

基于 BCMP 排队网络和机器学习创建的基于代理的模型的实际应用

基本信息

批准号：
21K11774
负责人：
水野信也
金额：
$ 2.58万
依托单位：
Shizuoka Institute of Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2022年度においては、閉鎖型BCMP待ち行列ネットワークの最適化への適用と複数窓口化が大きな成果である。閉鎖型BCMP待ち行列ネットワークについては、2021年度において大規模計算環境の構築を行った。閉鎖型待ち行列ネットワークは、従来から膨大の計算量のため、最適化モデルを構築することが難しいと言われていたが、21年度の大規模計算環境を利用することで、最適化モデルを構築することが可能となった。22年度では最適化への適用を行い、実社会に応用できる規模での計算が可能となった。今までの計算は拠点の窓口数は1に限定したが、それを複数窓口に拡張して、より実社会モデルに適用できる形となった。複数窓口に対する計算には、再帰計算が必要となり、単一の窓口モデルと比べ、複雑な計算が必要である。複数窓口に対する大規模計算環境も構築ができ、十分大きな窓口数に対しても対応できるようになった。この複数窓口計算環境を利用して、閉鎖型BCMP待ち行列ネットワークの複数窓口に対する最適化を実施できるようになった。また連続時間型マルコフ連鎖を利用した、WiFiログを利用した人々の密集を避けるような最適化モデルを発表した。新型コロナウイルス蔓延に対して、社会では人々の密集を避けるような取り組みがされてきた。しかしながら、ショッピングモールなどの施設では、客の動線を容易に変更はできない。そのため、滞在時間を制約付きのパラメタとして、滞在時間を変動させることで、施設内での人々の密集を避けるようなモデルを提案することができた。このモデルは、エージェント・ベースドモデルでの表現も可能であり、本研究テーマの重要な位置付けとなっている。このようなモデルをMCMCなどのシミュレーションモデルと連携して、定常分布が仮定されている場合に、人の動線を最適化するような推移確率を算出するモデルが可能となる。

2022 annual においては, latching BCMP ち ranks ネットワークの optimization への applicable と plural 窓 big mouth turn がきな results である. The closed-type BCMP is waiting for the ち row ネットワネットワににににててった, 2021 におてて large-scale computing environment <s:1> construction を row った. Latching stay ち ranks ネットワークは, 従から swelled の computation のため, optimization モデルを build することが difficult しいと said われていたが mass computing environment, the 21st annual のを using することで, optimization モデルを build することが may となった. 22 year では optimization への applicable をい, be social に応 with できる scale での calculation が could となった. This までの computing は拠 point の窓 counting number 1 には qualified したが, それを plural 窓 mouth に company, zhang して, より be social モデルに applicable できる form となった. Plural 窓 mouth にす seaborne る computing には, then 帰が calculations necessary となり, 単の窓 mouth モデルと than べ, complex 雑な computing が necessary である. Plural 窓 mouth にす seaborne る large-scale computing environment も construct ができ, very big きな窓 counting number にし seaborne ても応 seaborne できるようになった. この plural 窓 mouth computing environment を using して, latching BCMP ち ranks ネットワークの plural 窓 mouth にす seaborne る optimization を be applied できるようになった. Type また even 続 time マルコフ chain を using した, WiFi ログを using した people 々の intensive を avoid けるような optimization モデルを発 table した. New コロナウイルス spread にし seaborne て, social では people 々の intensive を avoid けるような group take りみがされてきた. しかしながら, ショッピングモールなどの facilities では, guest の -process を easy に - more はできない. そのためを restriction, lag in time pay きのパラメタとしてを, lag in time - move させることで, facilities での people 々の intensive を avoid けるようなモデルを proposal することができた. このモデルは, エージェント · ベースドモデルでの performance も may であり, this study テーマの important な position pay けとなっている. このようなモデルを MCMC などのシミュレーションモデルとし link-up て, stationary distribution が仮 set されていのにる occasions, people use a line を optimization するような goes on probabilistic を calculate するモデルが may となる.