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

Development of a Decision-Support System Based on Emergent Interaction

基于紧急交互的决策支持系统的开发

基本信息

批准号：
17560360
负责人：
TAMAKI Hisashi
金额：
$ 2.24万
依托单位：
Kobe University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2005
资助国家：
日本
起止时间：
2005 至 2006
项目状态：
已结题

项目摘要

When considering an engineering problem-solving in large-scaled and complicated systems, an emergent approach containing bi-directional interactions is important, which enables us to extract a decision-making model in an adaptive or an interactive manner. In this research, aiming at designing a methodology in which a modeling process is embedded in a solution process, an interactive information field as well as an emergent computing method have been (re)constructed. The key points are as follows.(1) Reconstruction of emergent computing method - a simulation-based method for acquiring and adjusting decision-making rules has been designed, based on both reinforcement and genetics-based machine learning techniques.(2) Design and implementation of an interactive information field (I) - an hierarchical autonomous decentralized framework in which an interaction among sub-models are explicitly considered has been designed, and an prototype of a simulation and decision-making model based on the framework has been investigated.(3) Design and implementation of an interactive information field (II) - a decision-making and learning method has been developed based on such framework where an agent and an interface are to be co-evolved, and an prototype of an learning agent model based on the framework has been investigated

当考虑在大规模和复杂的系统中解决工程问题时，包含双向交互的紧急方法是重要的，这使我们能够以自适应或交互的方式提取决策模型。在本研究中，旨在设计一种方法，其中的建模过程中嵌入的解决方案的过程中，一个交互式的信息场以及紧急计算方法已被（重新）构建。要点如下。(1)基于强化和遗传机器学习技术，设计了一种基于仿真的决策规则获取和调整方法--突现计算方法的重构。(2)设计并实现了一个交互式信息场（I）--一个明确考虑子模型间交互的层次自治分散框架，并研究了基于该框架的仿真决策模型原型。(3)基于Agent和接口协同进化的框架，设计并实现了一个交互式信息场（II）--一种决策和学习方法，并研究了基于该框架的学习Agent模型原型

项目成果

期刊论文数量（19）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

A State Space Filter for Reinforcement Learning in POMDPs・Application to a Continuous State Space・

POMDP 中强化学习的状态空间过滤器・在连续状态空间中的应用・

DOI：
发表时间：
2006
期刊：
Proc. of the SICE-ICASE Int. Joint Conf.2006
影响因子：
0
作者：
Masato Nagayoshi;Hajime Murao;Hisashi Tamaki
通讯作者：
Hisashi Tamaki

Pickup and Delivery問題の数理計画モデルと遺伝的アルゴリズムに基づく解法

基于数学规划模型和遗传算法的取送货问题求解方法

DOI：
发表时间：
2005
期刊：
計測自動制御学会論文集 41・11
影响因子：
0
作者：
Masato Nagayoshi;Hajime Murao;Hisashi Tamaki;永吉雅人;Masato Nagayoshi;Kazutoshi Sakakibara;榊原一紀
通讯作者：
榊原一紀

遺伝的機械学習によるエレベータ運行ルールの獲得手法

一种利用遗传机器学习获取电梯运行规则的方法

DOI：
发表时间：
2006
期刊：
電気学会論文誌C(電子・情報・システム部門誌) 126・6
影响因子：
0
作者：
Tjitrostwarno C.B.;Fukasawa A.;Takizawa Y.;Masato Nagayoshi;稲元勉
通讯作者：
稲元勉

強化学習における状態フィルタの提案と-実現方法

强化学习中状态过滤器的提出及实现方法

DOI：
发表时间：
2006
期刊：
電気学会論文誌C(電子・情報・システム部門誌) 126・7
影响因子：
0
作者：
Masato Nagayoshi;Hajime Murao;Hisashi Tamaki;永吉雅人
通讯作者：
永吉雅人

An Approach for Product Mix Optimization Problems Based on Mathematical Programming Models

基于数学规划模型的产品结构优化问题的解决方法

DOI：
发表时间：
2005
期刊：
Proc. of the 10th IEEE Int. Conf. on Emerging Technologies and Factory Automation
影响因子：
0
作者：
Hisashi Tamaki;Kazutoshi Sakakibara;Shinzo Kitamura;Toyohiro Umada
通讯作者：
Toyohiro Umada