リアルタイム性を考慮した大規模環境の群集制御手法

点击翻译按钮获取中文摘要

現実世界に則したシミュレーション結果を得るため，群集シミュレーションに与える入力パラメータは最適化手法によって調整することが重要である．この研究は，シミュレーション結果が現実世界で観測されたデータと一致するように，入力パラメータを正しく調整することを目的としている．しかし，(1)数千～数万人規模を対象とした大規模群集シミュレーションはシミュレーション構築の難しさから入力パラメータ調整について十分な議論が行われていないといった問題がある．加えて，(2)最適化手法によるパラメータ調整は優れた性能を発揮するまで時間がかかるといった問題がある．本年度では，上記の問題の解決案を提案した．(1)の問題を解決するため，大規模群集シミュレーションのパラメータ調整のためのベンチマーク(MAS-Bench)を提案した．MAS-Benchは与えられた入力パラメータから群集シミュレーションの実行と評価計算（観測データとシミュレーション結果の誤差）を自動的に行ってくれるフレームワークである．つまり，MAS-Benchを活用するユーザーは，評価値を最小化する最適化手法の開発に集中することができる．MAS-Benchは進化計算シンポジウムで開催されたコンペティションの問題に用いられている．30人近くのユーザーが群集シミュレーションのパラメータ調整に挑戦しており，既存の最適化手法より優れた性能を発揮していることを確認した．(2)の問題を解決するため，Warm Starting法を用いたパラメータ調整を提案した．Warm Starting法は過去に学習した結果を事前情報として活用することで，学習に必要な計算時間を削減する手法である．本年度の実験では，過去4年分の花火大会のデータセットを用いて事前情報無しの最適化手法よりも優れた性能を発揮していることを確認した．