JP7637378B2 - 解導出パラメータベクトルの作成方法、解導出パラメータベクトルの作成システム、解導出パラメータベクトルの作成プログラム、及び、解導出プログラム - Google Patents

Description

本開示は、解導出パラメータベクトルの作成方法、解導出パラメータベクトルの作成システム、解導出パラメータベクトルの作成プログラム、及び、解導出プログラムに関する。

生産及び物流等において、労働力、時間、及び、費用などのコストを低減する最適な運用又は運転が望まれている。最適な運用又は運転のために考慮すべき指標は、多くの場合において複数存在する。これらの指標の最適な値を明確に定義することは困難であるため、最適な運用又は運転の決定の自動化は困難である。多くの場合において、運用又は運転を行う人の経験及び慣習等に基づいて、最適と思われる運用又は運転が計画されていた。

人工知能技術又は数理最適化技術などを用いることによって、最適な運用又は運転の効率化が模索されている。たとえば、特許文献１には、積み荷の積付計画の最適化において、最適な積付計画に関する解を導出する装置が記載されている。特許文献２には、複数の機器を有する発電プラントの運転計画の最適化において、最適な運転計画に関する解をコンピュータが導出するシステムが記載されている。

特開２０２０－０８３４８６号公報 特開２００９－０３０４７６号公報

N.Hansen: "The CMA Evolution Strategy: A Tutorial,"arXiv:1604.00772[cs, LG] (2016)

種々の運用又は運転の計画において、各種計画は計画者の好み又は知見が反映されるように立てられる。たとえば、積み荷の積付計画、工場生産のスケジューリング、又は、発電プラントの運転計画等において、計画者の経験若しくは慣習等の知見又は好みが満たされるように各種計画が立てられていた。計画者の好み又は知見を満たす最適な運用又は運転のために考慮すべき指標は、積み荷のサイズ若しくは数、作業人数、労働若しくは稼働時間、又は、設備の稼働効率等の定量的なデータの他に、計画者の経験若しくは感性又は慣習等に関する複数種のパラメータを含む。これら複数種のパラメータを設定することによって、計画者の好み又は知見に合った最適解が導出され得る。以下、計画者の経験若しくは感性又は慣習等に関するパラメータを「選好パラメータ」という。１つの運用又は運転の計画に用いられる複数種の選好パラメータを「選好パラメータベクトル」という。

たとえば、計画者の種々の好み又は知見が反映される積付計画において、上記定量的なデータの他に、解に人の好み又は知見を反映させるための複数種の選好パラメータが要される。複数種の選好パラメータは、たとえば使用するパレット数を決定するパラメータ、各パレットの積載率を決定するパラメータ、同じ種類の積み荷をまとめる度合いを決定するパラメータ、積み荷の安定性を決定するパラメータ等を含んでいる。使用するパレット数を決定するパラメータは、輸送コストの低減のために、使用するパレット数が低減されるように設定され得る。各パレットの積載率を決定するパラメータは、輸送コストの低減のために、各パレットの積載率が増加するように設定され得る。同じ種類の積み荷をまとめる度合いを決定するパラメータは、検品の容易性向上のために、同じ種類の積み荷をまとめる度合いが増加するように設定され得る。積み荷の安定性を決定するパラメータは、荷崩れの抑制のために、積み荷の安定性が増加するように設定され得る。

各種計画において、複数種の選好パラメータは、互いにトレードオフの関係にある場合が多い。このような場合、全ての選好パラメータを一律に最大化又は最小化することはできない。また、選好パラメータベクトルは、予測できない様々な状況、及び、計画者ごとの好みなどによっても変化する。このため、計画者が、計画のたびに、経験若しくは慣習等の知見又は好みに基づいて選好パラメータベクトルを設定することが考えられる。選好パラメータベクトルは各種計画の解を求めるアルゴリズムの挙動と直接的に関連しており、アルゴリズムに関する知見をもたない者が選好パラメータベクトルを調整することは困難である。

特許文献１に記載されている装置は選好パラメータベクトルに相当するパラメータが既に設定されていることを前提としており、特許文献１は最適な選好パラメータベクトルを決定する処理について記載していない。人の好み及び知見が確実に反映された解が導出されるかも不明である。特許文献２に記載されているシステムは、計画者によって設定されたパラメータの下、最適な運転計画に関する解を提示する。このシステムにおいて、計画者は、提示された解に満足するか否かを判断し、満足しない場合にはパラメータを再設定する。選好パラメータベクトルが人によって直接入力されることが前提とされているため、このシステムが用いられたとしても、計画者等の人の好み及び知見が確実に反映されるように各種計画に関する解を導出することは依然として困難である。

本開示は、人の好み及び知見を反映させる選好パラメータベクトルが容易且つ確実に決定され得る解導出パラメータベクトルの作成方法、解導出パラメータベクトルの作成システム、及び、解導出パラメータベクトルの作成プログラム、並びに、人の好み及び知見が確実に反映された解が自動的に出力され得る解導出プログラムを説明する。

本開示の解導出パラメータベクトルの作成方法は、仮入力データを取得することと、基準パラメータベクトルを取得することと、基準パラメータベクトルに対して所定の演算を行うことによって、複数の仮パラメータベクトルを作成することと、作成された複数の仮パラメータベクトルの各々を設定した複数の仮モデルを作成することと、作成された複数の仮モデルの各々に仮入力データを入力することによって、複数の仮解を導出することと、導出された複数の仮解を表示することと、表示された複数の仮解に対する選択情報を取得することと、取得された選択情報に基づいて、基準パラメータベクトルを更新することと、入力データの入力に応じて解を出力する解導出モデルに設定される解導出パラメータベクトルとして、更新された基準パラメータベクトルを決定することと、を含んでいる。

この解導出パラメータベクトルの作成方法において、複数の仮パラメータベクトルが作成され、これらの仮パラメータベクトルに基づいて複数の仮解が導出される。導出された複数の仮解は表示され、表示された複数の仮解の選択情報に基づいて基準パラメータベクトルが更新される。更新された基準パラメータは、解導出モデルに設定される解導出パラメータベクトルとして決定される。この場合、直接的に複数種の選好パラメータを入力することなく、仮解の選択情報に応じて人の好み及び知見が反映された解導出パラメータベクトルが決定される。このため、人の好み及び知見を反映させる解導出パラメータベクトルが容易且つ確実に決定され、人の好み及び知見を確実に反映させた解を導出する解導出モデルが作成され得る。

上記解導出パラメータベクトルの作成方法において、複数の仮パラメータベクトルの作成において、少なくとも一つの数値を基準パラメータベクトルに対して加算又は減算することによって複数の仮パラメータベクトルが導出されてもよい。この場合、基準パラメータベクトルに基づく複数の仮パラメータベクトルが容易に作成され得る。

上記解導出パラメータベクトルの作成方法において、少なくとも一つの数値は、互いに異なる数値を含んでいてもよい。この場合、より多くの仮パラメータベクトルが導出されるため、より効率的に解導出パラメータベクトルが決定され得る。

上記解導出パラメータベクトルの作成方法において、少なくとも一つの数値は、乱数を導出する演算処理によって導出された数値であってもよい。この場合、よりバリエーションに富んだ複数の仮解が表示され、より効率的に解導出パラメータベクトルが決定され得る。

上記解導出パラメータベクトルの作成方法において、表示された複数の仮解のうち少なくとも一つが選択された場合に、基準パラメータベクトルの更新において、上記少なくとも一つの仮解の演算に用いられた仮パラメータベクトルに基づいて、基準パラメータベクトルが更新されてもよい。この場合、選択された仮解に応じた仮パラメータベクトルが解導出パラメータベクトルとして決定される。

上記解導出パラメータベクトルの作成方法において、更新された基準パラメータベクトルに対して所定の演算を行うことで、複数の仮パラメータベクトルを作成することをさらに含んでおり、複数の仮パラメータベクトルの作成と、複数の仮解の導出と、複数の仮解の表示と、基準パラメータベクトルの更新とは、複数回行われ、解導出パラメータベクトルの決定において、複数回更新された基準パラメータベクトルが解導出パラメータベクトルとして決定されてもよい。この場合、より確実に人の好み及び知見を反映させる解導出パラメータベクトルが決定される。

上記解導出パラメータベクトルの作成方法において、仮入力データ及び入力データは、積み荷のサイズ及び数に関する情報を含んでおり、仮解及び解は、複数の積み荷の積み付けのパターンであってもよい。この場合、複数の積み荷の積み付けパターンの選択情報に応じた解導出パラメータベクトルが決定される。この結果、積み付けに関する人の好み及び知見を反映させた解導出パラメータベクトルが容易且つ確実に決定され、人の好み及び知見を確実に反映させた積み付けパターンを出力する解導出モデルが作成され得る。

本開示の解導出モデルの作成システムは、第一取得部と、第二取得部と、仮パラメータベクトル作成部と、仮モデル作成部と、導出部と、表示部と、更新部と、決定部と、を備えている。第一取得部は、仮入力データを取得する。第二取得部は、基準パラメータベクトルを取得する。仮パラメータベクトル作成部は、基準パラメータベクトルに対して所定の演算を行うことで、複数の仮パラメータベクトルを作成する。仮モデル作成部は、作成された複数の仮パラメータベクトルの各々を設定した複数の仮モデルを作成する。導出部は、作成された複数の仮モデルの各々に仮入力データを入力することによって、複数の仮解を導出する。表示部は、導出された複数の仮解を表示する。更新部は、表示された複数の仮解に基づいて、基準パラメータベクトルを更新する。決定部は、入力データの入力に応じて解を出力する解導出モデルに設定される解導出パラメータベクトルとして、更新された基準パラメータベクトルを決定する。

本開示の解導出パラメータベクトルの作成プログラムは、仮入力データを取得することと、基準パラメータベクトルを取得することと、基準パラメータベクトルに対して所定の演算を行うことによって、複数の仮パラメータベクトルを作成することと、作成された複数の仮パラメータベクトルの各々を設定した複数の仮モデルを作成することと、作成された複数の仮モデルの各々に仮入力データを入力することによって、複数の仮解を導出することと、導出された複数の仮解を表示することと、表示された複数の仮解に対する選択情報を取得することと、取得された選択情報に基づいて、基準パラメータベクトルを更新することと、入力データの入力に応じて解を出力する解導出モデルに設定される解導出パラメータベクトルとして、更新された基準パラメータベクトルを決定することと、をコンピュータに実行させる。

本開示の解導出プログラムは、入力データと、上記の解導出パラメータベクトルの作成方法によって作成された解導出パラメータベクトルとを取得することと、解導出パラメータベクトルが設定された解導出モデルに上記入力データを入力することによって、解を導出することと、をコンピュータに実行させる。この場合、人の好み及び知見が確実に反映された解が自動的に出力され得る。

本開示の解導出パラメータベクトルの作成方法、解導出パラメータベクトルの作成システム、及び、解導出パラメータベクトルの作成プログラムによれば、人の好み及び知見を反映させる選好パラメータベクトルが容易且つ確実に決定され得る。本開示の解導出プログラムによれば、人の好み及び知見が確実に反映された解が自動的に出力され得る。

図１は、本実施形態の解導出システムのブロック図である。 図２（ａ）及び図２（ｂ）は、積み荷ブロックの例を示す図である。 図３は、積み付け可能位置を示す概念図である。 図４は、積み付けパターンを示す図である。 図５は、解導出パラメータベクトルの作成システムのブロック図である。 図６は、仮解の表示画面の一例を示す図である。 図７は、解導出パラメータベクトルの作成システム及び解導出システムのハードウェア構成の一例を示す図である。 図８は、解導出パラメータベクトルの作成方法を示すフローチャートである。 図９は、仮パラメータベクトルの演算処理を示すフローチャートである。 図１０は、仮解の演算処理を示すフローチャートである。 図１１は、解導出モデルを用いた解導出方法を示すフローチャートである。 図１２は、学習前の選好パラメータベクトルを用いて導出された解の一例を示す図である。 図１３は、学習後の選好パラメータベクトルを用いて導出された解の一例を示す図である。 図１４は、学習過程の各種の選好パラメータの推移を示す図である。

以下、添付図面を参照しながら本開示の解導出システム及び解導出モデルの作成システムを詳細に説明する。図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。

まず、図１を参照して、本実施形態における解導出システム１の概略構成について説明する。図１は、解導出システム１のブロック図である。解導出システム１は、後述する解導出モデルの作成システム２０において作成された解導出モデルを用いて解を導出する。解導出モデルの作成システム２０は、解導出パラメータベクトルの作成システムを兼ねている。解導出モデルは、入力データの入力に応じて解を出力するように学習されたモデルである。解導出モデルには、解導出パラメータベクトルが設定されている。解導出パラメータベクトルは、解の導出に用いられる選好パラメータベクトルであり、複数種の選好パラメータを含んでいる。解導出システム１は、入力データと、解導出モデルとを取得する。解導出システム１は、取得された解導出モデルに、取得された入力データを入力して、解を出力する。

本実施形態では、一例として、積み荷の積付計画に関する解の導出について説明するが、解導出システム１及び作成システム２０はこれに限定されない。たとえば、解導出システム１及び作成システム２０は、工場生産のスケジューリング、又は、発電プラントの運転計画等に関するものであってもよい。本実施形態において、解は、積み荷の積み付けパターンである。

解導出システム１は、格納部２と、入力データ取得部３と、解導出モデル取得部４と、解導出部５と、画像作成部６と、出力部７とを備えている。格納部２は、予め記憶されたデータを格納しており、他の機能部から取得され種々のデータを格納する。格納部２は、作成システム２０及び解導出システム１以外の外部の機器から入力されたデータを格納していてもよい。格納部２は、作成システム２０において作成された解導出パラメータベクトルを格納している。

入力データ取得部３は、入力データを取得する。入力データは、格納部２に予め記憶されていてもよい。入力データは、解くべき問題に用いられる問題データである。問題データは、定量的なデータである。本実施形態において、問題データは、たとえば、積み付ける積み荷の種類、各種類の積み荷のサイズ、及び、各種類の積み荷の個数に関する情報を含んでいる。各積み荷は、たとえば、内容物が収容された段ボールなどのケースである。以下の表１に、入力データとしての問題データの一例を示す。入力データは、表１に示されているデータの他に、たとえば、各積み荷の重量、及び、各積み荷の置き場所の情報を含んでいてもよい。また、同表では積み荷の種類が４つとなっているが、積み荷の種類数は２つ又は３つであってもよく、５つ以上であってもよい。

解導出モデル取得部４は、解導出モデルを取得する。本実施形態において、解導出モデル取得部４は、格納部２から解導出パラメータベクトルを取得する。解導出モデル取得部４は、取得された解導出パラメータベクトルが設定された解導出モデルを作成することによって、解導出モデルを取得する。解導出モデル取得部４は、既に解導出パラメータベクトルが設定された解導出モデルを格納部２から取得してもよい。本実施形態において、解導出パラメータベクトルに含まれる複数種の選好パラメータの各々は、対応する属性を他の選好パラメータが示す属性に対して優先させる重みを示す。属性は、たとえば、ユーザの好み又は知見に関する。ユーザは、たとえば、計画者である。たとえば、各選好パラメータは、ケースの体積、ケースの種類、及び、ケースの位置などに関する属性の重みを示す。

解導出部５は、入力データ取得部３によって取得された入力データと解導出モデル取得部４によって取得された解導出モデルとに基づいて解を導出する。解導出部５は、解導出パラメータベクトルが設定された解導出モデルに入力データを入力し、解導出モデルから解を出力する。本実施形態において、解は、複数の積み荷の積み付けのパターンである。

画像作成部６は、解導出部５において導出された解に基づいて、ユーザに表示する画像を作成する。本実施形態において、画像作成部６は、解導出部５において導出された解に基づいて、積み荷の積み付けパターンを示す画像を作成する。

出力部７は、解導出部５において導出された解を出力する。本実施形態において、出力部７は、画像作成部６において作成された画像を出力する。たとえば、出力部７は、画像作成部６において作成された画像を画面に表示させる。

次に、本実施形態における解導出モデルの一例について説明する。本実施形態において、解導出モデルは、積み荷の積み付け計画に用いられる学習済みモデルである。解導出モデルは、解導出パラメータベクトルに含まれている各選好パラメータを係数とする式を含んでいる。本実施形態における積み付け計画は、同一種のケースを組み合わせたブロックが作成され、これらのブロックがパレットに順番に積み付けられることを前提とする。図２（ａ）及び図２（ｂ）は、ブロックの一例を示している。本実施形態において、ブロックは、直方体形状である。図２（ａ）は、奇数段と偶数段とでケースを互い違いにおくピンホール積みを示している。ピンホール積みは、安定性に優れている。図２（ｂ）は、ケースを密集させて配置する棒積みを示している。棒積みは、積載率に優れている。棒積みにおいて、幅方向に並べる数、奥行方向に並べる数、高さ方向に並べる数などは任意である。解導出システム１及び作成システム２０は、この他にも多様なブロックの構成を適用可能である。

本実施形態における解導出モデルは、パレットの特定の位置に特定のブロックを積み付け、その後、解導出パラメータベクトルが設定された式を用いてブロックを１つずつ積み付ける。図３及び図４は、積み付け過程の一例を説明するための概念図である。図３において、二点鎖線は、ブロックを積み付け可能な位置を示している。以下、ブロッを積み付け可能な位置を、単に「積み付け可能位置」という。たとえば、図３に示されているように、パレットの左奥に特定のブロックＢ１が積み付けられ、以降は解導出パラメータベクトルが設定された式に基づいて積み付け可能位置のいずれにブロックを積み付けかが決定される。積み付け可能位置は、たとえば、既に積み付けられたブロックの上側、手前側、及び、右側である。この際、新たなブロックの積み付けは、物理的な制約、すなわち空間に入り切るか否かも考慮される。

図４は、積み付け過程を木構造として示している。「Ｔ」は、上側を示している。「Ｆ」は、手前側を示している。「Ｒ」は、右側を示している。パレット底面１１の上側にブロックＢ１を積み付け、積み付け可能な「Ｔ」、「Ｆ」、及び、「Ｒ」のうち、ブロックＢ１の右側に別のブロックＢ２が積み付けられた状態を示している。図４に示されている状態からさらにブロックを積みつける際には、ブロックＢ１の上側及び手前側、並びに、ブロックＢ２の上側、手前側、及び、右側のいずれかに次のブロックを積み付けることができる。このように、ブロックの積み付けに応じて変わりうる積み付け可能位置をもとに逐次ブロックの積み付けを行う。解導出部５は、解導出パラメータベクトルが設定された式に基づいて、１つずつブロックを積み付け、積み付けるブロックがなくなった時点において、解の生成を終了する。解導出部５は、１つの解として、問題データとして入力されたケースを全て積みつけた積み付けパターンを導出する。

積み付け可能位置は、既に積みつけられたブロックの上側、手前側、及び、右側の３箇所に限定されない。これら以外の位置が、積み付け可能位置であってもよい。たとえば、本実施形態の変形例として、既に積み付けられたブロックから離間した位置に、積み付け可能位置が設定されてもよい。

本実施形態において、解導出モデルは、上述した積み付け過程を前提として、作成される。解導出モデルは、上述した式として、たとえば、以下に示される式（１）を含んでいる。解導出モデル取得部４は、たとえば、式（１）におけるｗ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｗ_{ｕｎｉｔｙ}、ｗ_{ｐｒｏｘｉｍｉｔｙ}、ｗ_{ｓｔａｂｉｌｉｔｙ}、ｗ_ａｒｅａ、ｗ_ｚｍａｘ、及び、ｗ_{ｈｅｉｇｈｔ}の各々に、一つの解導出パラメータベクトルにおける対応する選好パラメータを設定することによって、解導出モデルを作成する。式（１）は、積み荷の積み付け計画における解導出パラメータベクトルが設定された式の一例を示している。積み荷の積み付け計画において解導出モデルに含まれる式は、式（１）に限定されない。

Ｆは、スコアである。上述した積み付け過程において、解導出部５は、解導出モデルに基づいて、どの種類のケースをどのようなブロックの構成でどの積み付け可能位置に積むべきかを決定する。解導出部５は、積み付け可能位置及び各種条件のすべてに対して、式（１）で計算されるスコアＦを演算し、これが最大となるものを選択する。解導出モデルは、多目的最適化問題である。

ｗ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｗ_{ｕｎｉｔｙ}、ｗ_{ｐｒｏｘｉｍｉｔｙ}、ｗ_{ｓｔａｂｉｌｉｔｙ}、ｗ_ａｒｅａ、ｗ_ｚｍａｘ、及び、ｗ_{ｈｅｉｇｈｔ}の各々は、選好パラメータであり、解導出モデル取得部４によって格納部２から取得される。式（１）は、これらの選好パラメータを含む解導出パラメータベクトルから、解導出モデル取得部４によって作成される。ｗ_{ｔｏｔａｌ＿ｓｉｚｅ}は、体積が大きい種類のケースを積みつける優先度を示す属性の重みに関する選好パラメータである。ｗ_{ｕｎｉｔｙ}は、同じ種類のケースを同じパレットに置く優先度を示す属性の重みに関する選好パラメータである。ｗ_{ｐｒｏｘｉｍｉｔｙ}は、同じ種類のケースを隣同士に置く優先度を示す属性の重みに関する選好パラメータである。ｗ_{ｓｔａｂｉｌｉｔｙ}は、偶数段と奇数段とが互い違いとなる積み方を行う優先度を示す属性の重みに関する選好パラメータである。ｗ_ａｒｅａは、ブロックの上面積を大きくする優先度を示す属性の重みに関する選好パラメータである。ｗ_ｚｍａｘは、ブロックの積み付け後の頭頂部を小さくする優先度を示す属性の重みに関する選好パラメータである。ｗ_{ｈｅｉｇｈｔ}は、ブロックの高さを低くする優先度を示す属性の重みに関する選好パラメータである。これらの選好パラメータの値は、アルゴリズムの知見をもたない者が直接調整することは至難である。

ｆ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｆ_{ｕｎｉｔｙ}、ｆ_{ｐｒｏｘｉｍｉｔｙ}、ｆ_{ｓｔａｂｉｌｉｔｙ}、ｆ_ａｒｅａ、ｖ_ｚｍａｚ、及び、ｖ_{ｈｅｉｇｈｔ}の各々は、サブスコアである。各サブスコアは、その値が概ね０～１となるように規格化されている。各サブスコアは、解導出部５によって、問題データと上述した前提の条件とに基づいて決定される。各サブスコアは、積み付けの進捗状況、ケースの種類、ブロックの構成、及び、ブロックの積み付け可能位置などによって決定される。サブスコアは、ブロックの積み付け可能位置などに応じて、複数のパターンを取り得る。ｆ_{ｔｏｔａｌ＿ｓｉｚｅ}は、積み付けようとしているブロックを構成するケースの総体積を、残りケースの総体積によって割った値である。ｆ_{ｕｎｉｔｙ}は、既に積み付けられた同じ種類のケースと同じパレットに置く場合に１の値をとり、それ以外の場合にゼロの値をとる。ｆ_{ｐｒｏｘｉｍｉｔｙ}は、既に積み付けられた同じ種類のケースと隣接した位置に置く場合に１の値をとり、それ以外の場合にゼロの値をとる。ｆ_{ｓｔａｂｉｌｉｔｙ}は、ピンホール積みのブロックである場合に１の値をとり、それ以外の場合にゼロの値をとる。ｆ_ａｒｅａは、積み付けようとしているブロックの上面積を、パレットの面積によって割った値である。ｖ_ｚｍａｚは、積み付け後の積み荷の最上部の高さを、パレットに積み付け可能な最大の高さによって割った値である。ｖ_{ｈｅｉｇｈｔ}は、積み付けようとしているブロックの高さを、パレットに積み付け可能な最大の高さによって割った値である。

次に、図５を参照して、本実施形態における解導出パラメータベクトルの作成システム２０の概略構成について説明する。図５は、作成システム２０のブロック図である。作成システム２０は、種々のデータに基づいて学習された選好パラメータを解導出パラメータベクトルとして出力する。

作成システム２０は、格納部２１と、仮入力データ取得部２２と、基準パラメータ取得部２３と、仮パラメータベクトル作成部２４と、仮モデル作成部２５と、仮解導出部２６と、画像作成部２７と、表示部２８と、を備えている。作成システム２０は、さらに、選択情報取得部３１と、基準パラメータベクトル更新部３２と、パラメータベクトル決定部３３と、解導出モデル決定部３４とを備えている。

格納部２１は、予め記憶されたデータを格納しており、他の機能部から取得され種々のデータを格納する。格納部２１は、作成システム２０の外部の機器から入力されたデータを格納していてもよい。たとえば、格納部２１は、仮入力データ取得部２２、基準パラメータ取得部２３、仮パラメータベクトル作成部２４、及び、選択情報取得部３１の少なくとも一つから取得されたデータを格納する。

仮入力データ取得部２２は、仮入力データを取得する。仮入力データは、格納部２１に予め記憶されていてもよい。仮入力データは、各種の選好パラメータの学習に用いられる教師データの一部である。仮入力データは、上述した入力データと同一の種別のデータから成る仮の問題データである。本実施形態において、仮入力データは、たとえば、上述した入力データと同様に、積み付ける積み荷の種類、各種類の積み荷のサイズ、及び、各種類の積み荷の個数に関する情報を含んでいる。

本実施形態において、仮入力データ取得部２２は、仮入力データ作成部４１を含んでいる。仮入力データ作成部４１は、仮入力データを作成する。たとえば、仮入力データ作成部４１は、格納部２１に格納されている一部の仮の問題データから、仮想的な仮の問題データを作成する。たとえば、仮入力データ作成部４１は、過去のデータに基づいて仮想的な仮の問題データをランダムに生成する。たとえば、仮入力データ作成部４１は、積み付けに関する過去の問題データにα，β，γの３種類のケースが含まれている場合に、過去の問題データにおける各ケースα，β，γの最小個数と最大個数との範囲内において個数をランダムに設定した仮の問題データを作成する。たとえば、仮入力データ作成部４１は、ケースαの個数が１０～１００個であり、ケースβの個数が２０～１００個であり、ケースγの個数が５０～４００個である場合、ケースαを３０個、ケースβを５０個、ケースγを２００個などとした仮の問題データを作成する。

基準パラメータ取得部２３は、基準パラメータを取得する。基準パラメータは、たとえば、解導出パラメータベクトルに含まれている複数種の選好パラメータのいずれかと同一の属性を有するパラメータである。基準パラメータは、解導出パラメータベクトルに含まれている複数種の選好パラメータのいずれかと同一の構成を有している。たとえば、複数種の基準パラメータの各々は、ｗ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｗ_{ｕｎｉｔｙ}、ｗ_{ｐｒｏｘｉｍｉｔｙ}、ｗ_{ｓｔａｂｉｌｉｔｙ}、ｗ_ａｒｅａ、ｗ_ｚｍａｘ、及び、ｗ_{ｈｅｉｇｈｔ}のいずれかに対応する。

本実施形態において、基準パラメータ取得部２３は、解導出パラメータベクトルに含まれている複数種の選好パラメータの各々に対応する基準パラメータを取得する。解導出パラメータベクトルに含まれている複数種の選好パラメータの各々に対応する基準パラメータは、基準パラメータベクトルを構成する。基準パラメータ取得部２３は、解導出パラメータベクトルに対応する基準パラメータベクトルを取得する。基準パラメータ取得部２３は、たとえば、格納部２１から基準パラメータを取得する。基準パラメータは、格納部２１にデータベースを構築する際に設定された値であってもよいし、一つ前の学習よって得られた値であってもよい。

仮パラメータベクトル作成部２４は、基準パラメータ取得部２３において取得された基準パラメータに基づいて、仮パラメータベクトルを作成する。仮パラメータベクトル作成部２４は、基準パラメータベクトルに対して所定の演算を行うことで、複数の仮パラメータベクトルを作成する。各仮パラメータベクトルは、解導出パラメータベクトルと同一の構成を有している。各仮パラメータベクトルは、複数種の仮パラメータを含んでいる。各仮パラメータベクトルに含まれる複数種の仮パラメータの各々は、解導出パラメータベクトルに含まれている複数種の選好パラメータの各々に対応する。たとえば、複数種の仮パラメータベクトルの各々は、ｗ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｗ_{ｕｎｉｔｙ}、ｗ_{ｐｒｏｘｉｍｉｔｙ}、ｗ_{ｓｔａｂｉｌｉｔｙ}、ｗ_ａｒｅａ、ｗ_ｚｍａｘ、及び、ｗ_{ｈｅｉｇｈｔ}のいずれかに対応する。仮パラメータは、基準パラメータを摂動させた値である。

仮パラメータベクトル作成部２４は、数値導出部４２と、仮パラメータベクトル導出部４３とを含んでいる。仮パラメータベクトル作成部２４は、数値導出部４２において導出された数値を基準パラメータベクトルに対して加算又は減算することによって、複数の仮パラメータベクトルを作成する。

数値導出部４２は、たとえば、仮パラメータベクトルの作成に用いられる少なくとも一つの数値を導出する。数値導出部４２は、たとえば、乱数を導出する演算処理に基づいて、上記数値を導出する。換言すれば、数値導出部４２によって導出される数値は、乱数に関する数値である。「乱数に関する数値」とは、ユーザがいずれの数値に決定されるか予測できない数値である。数値導出部４２は、たとえば、複数種の基準パラメータの少なくとも一つに対して、独立かつ適当な大きさの数値を導出する。数値導出部４２は、たとえば、各基準パラメータに対して、独立かつ適当な大きさの数値を導出する。すなわち、数値導出部４２は、複数の数値を導出する。本実施形態において、複数の数値は、演算処理によって演算された複数の乱数に関する数値である。複数の数値は、同一の値を含んでいてもよい。

仮パラメータベクトル導出部４３は、基準パラメータ取得部２３において取得された基準パラメータに対して、数値導出部４２において導出された少なくとも一つの数値を加算又は減算することによって、複数の仮パラメータベクトルを作成する。たとえば、仮パラメータベクトル導出部４３は、基準パラメータベクトルに含まれる全ての基準パラメータの各々に対して、数値導出部４２において導出された数値を加算又は減算する。これによって、各仮パラメータベクトルが作成される。この場合、複数の基準パラメータが同時に摂動されるため、多様な仮パラメータが導出される。このため、この手法は、ユーザの好み又は知見をおおまかに反映させる学習初期に適している。

本実施形態の変形例として、仮パラメータベクトル導出部４３は、基準パラメータベクトルに含まれる基準パラメータを選択し、選択された基準パラメータに対して、数値導出部４２において導出された数値を加算又は減算してもよい。この手法は、特定の基準パラメータのみを摂動させるため、得られる仮パラメータベクトルの多様性は欠くが、学習末期における細かなチューニングに適している。

本実施形態の変形例として、数値導出部４２は、一つ前の学習によって更新された基準パラメータの共分散行列Ｃを計算し、多変数正規分布Ｎ（０，Ｃ）にしたがう乱数に基づく数値を導出する。仮パラメータベクトル導出部４３は、数値導出部４２によって導出された乱数に基づく数値を基準パラメータに加算又は減算する。たとえば、この乱数に基づく値は、多変数正規分布Ｎ（０，Ｃ）にしたがう乱数の定数倍である。たとえば、以下の式（２）、式（３）、及び式（４）が成り立つ。

式（３）は、乱数ベクトルｒが多変数正規分布Ｎ（０，Ｃ）にしたがって作成されることを示している。式（２）の右辺の第一項は、基準パラメータ取得部２３によって取得された基準パラメータベクトルである。σは、正の適当な定数である。式（２）の右辺の第二項は、σと乱数ベクトルｒとの積である。式（２）の左辺は、ｉの添字の値に対応する一つの仮パラメータベクトルを示している。Ｌ’は、一つ前の学習によって更新された基準パラメータの添字集合である。｜Ｌ’｜は、Ｌ’の個数である。

式（２）から式（４）を用いた手法は、特許文献３に記載の手法に関する。この場合、基準パラメータベクトルに含まれる基準パラメータ間の相関を考慮した摂動が行われる。複数種の基準パラメータが互いに強く関連するような場合に適している。

仮モデル作成部２５は、仮パラメータベクトル作成部２４において作成された仮パラメータベクトルに基づいて、仮モデルを作成する。仮モデルは、仮入力データの入力に応じて仮解を出力する仮の解導出モデルである。仮モデルは、解導出モデルと同一の構成を有している。たとえば、仮モデルは、式（１）と同様の式を含んでいる。１つの仮モデルには、１つの仮パラメータベクトルが設定される。仮モデル作成部２５は、複数の仮パラメータベクトルの各々を設定した複数の仮モデルを作成する。仮モデルにおいては、仮パラメータベクトルがｗ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｗ_{ｕｎｉｔｙ}、ｗ_{ｐｒｏｘｉｍｉｔｙ}、ｗ_{ｓｔａｂｉｌｉｔｙ}、ｗ_ａｒｅａ、ｗ_ｚｍａｘ、及び、ｗ_{ｈｅｉｇｈｔ}に設定される。仮モデル作成部２５は、式（１）におけるｗ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｗ_{ｕｎｉｔｙ}、ｗ_{ｐｒｏｘｉｍｉｔｙ}、ｗ_{ｓｔａｂｉｌｉｔｙ}、ｗ_ａｒｅａ、ｗ_ｚｍａｘ、及び、ｗ_{ｈｅｉｇｈｔ}の各々に、一つの仮パラメータベクトルにおける対応する仮パラメータを設定することによって、仮モデルを作成する。本実施形態において、仮モデル作成部２５は、仮パラメータベクトル作成部２４によって作成された複数の仮パラメータベクトルの各々に対応する仮モデルを作成する。すなわち、仮モデル作成部２５は、複数の仮モデルを作成する。

仮解導出部２６は、仮入力データ取得部２２によって取得された仮入力データと、仮モデル作成部２５によって作成された仮モデルとに基づいて、仮解を導出する。仮解導出部２６は、仮モデル作成部２５によって作成された仮モデルに仮入力データを入力し、仮モデルから仮解を出力する。本実施形態において、仮解導出部２６は、解導出部５が解を導出する手法と同様の手法によって、仮解を導出する。仮解導出部２６は、複数の仮モデルに基づいて、複数の仮解を導出する。仮解導出部２６は、複数の仮モデルの各々に仮入力データを入力することによって、各仮モデルに対応する仮解を導出する。本実施形態において、仮解は、解と同様に、複数の積み荷の積み付けのパターンである。

画像作成部２７は、仮解導出部２６において導出された複数の仮解に基づいて、ユーザに表示する画像を作成する。本実施形態において、画像作成部２７は、仮解導出部２６において導出された仮解に基づいて、積み荷の積み付けパターンを示す複数の画像を作成する。複数の画像は、仮解導出部２６において導出された複数の仮解に対応している。複数の画像と複数の仮解とは、一対一の関係で対応している。

表示部２８は、画像作成部２７において作成された複数の画像を表示する。換言すれば、表示部２８は、導出された複数の仮解を表示する。表示部２８は、たとえば、図６に示されているように、互いに異なる仮解を示す複数の画像を並べて表示する。たとえば、ユーザは、図６において、「学習」と表示されているボタンをクリックすることによって、ボタンに対応する画像を選択する。

選択情報取得部３１は、ユーザによって選択された仮解に対応する選択情報を取得する。選択情報取得部３１は、ユーザによって選択された仮解に対応する仮パラメータベクトルを特定する情報を取得する。たとえば、ユーザは、表示部２８によって表示された複数の画像から少なくとも一つを選択する。選択情報取得部３１は、ユーザによって選択された画像に対応する仮パラメータベクトルを特定する情報を取得する。換言すれば、選択情報取得部３１は、ユーザによって選択された仮解に対応する仮パラメータベクトルを特定する情報を取得する。選択情報取得部３１は、仮解が選択されなかった場合には、たとえば、仮パラメータベクトル作成部２４に再度仮パラメータベクトルを作成させ、仮解導出部２６に新たに仮解を導出させる。本実施形態の変形例として、選択情報取得部３１は、ユーザの選択によって、複数の仮解に対応する複数の仮パラメータベクトルの優先順位を取得してもよい。選択情報は、仮解が選択されないという情報であってもよい。

基準パラメータベクトル更新部３２は、表示された複数の仮解に基づいて、基準パラメータベクトルを更新する。基準パラメータベクトル更新部３２は、選択情報取得部３１によって取得された選択情報に基づいて、基準パラメータベクトルを更新する。換言すれば、基準パラメータベクトル更新部３２は、ユーザによって選択された仮解に対応する仮パラメータベクトルに基づいて、基準パラメータベクトルを更新する。本実施形態において、基準パラメータベクトル更新部３２は、選択された仮解の一つに対応する仮パラメータベクトルを基準パラメータベクトルとして更新する。

本実施形態の変形例において、基準パラメータベクトル更新部３２は、選択された複数の仮解に対応する複数の仮パラメータベクトルの平均値を演算し、演算された平均値を基準パラメータベクトルとして更新してもよい。この場合、基準パラメータベクトル更新部３２は、算術平均によって平均値を演算してもよいし、重み付き平均によって平均値を演算してもよい。たとえば、選択情報取得部３１が、複数の仮パラメータベクトルの優先順位を取得した場合には、取得された優先順位に応じた重み付けが行われてもよい。

本実施形態のさらに別の変形例において、基準パラメータベクトル更新部３２は、１未満の学習率を設定して、基準パラメータベクトルを更新してもよい。たとえば、基準パラメータベクトル更新部３２は、式（５）によって求められた値に、基準パラメータベクトルを更新してもよい。

ηは、学習率であり、０より大きく１より小さい。式（５）の第一項は、現在の基準パラメータベクトルを示している。式（５）の第二項は、選択された仮解に対応する仮パラメータベクトルから現在の基準パラメータベクトルを減算し、学習率を積算した値である。式（５）の第二項における、選択された仮解に対応する仮パラメータベクトルは、選択された仮解の一つに対応する仮パラメータベクトルであってもよいし、選択された複数の仮解に対応する複数の仮パラメータベクトルの平均値であってもよい。

パラメータベクトル決定部３３は、基準パラメータベクトル更新部３２において更新された基準パラメータベクトルを、解導出モデルに設定される解導出パラメータベクトルとして決定する。パラメータベクトル決定部３３は、基準パラメータベクトルの学習を終了する場合に、その時点での基準パラメータベクトルを、解導出パラメータベクトルとして決定する。本実施形態では、パラメータベクトル決定部３３が、基準パラメータベクトルの学習を終了するか否かを判断する。

解導出モデル決定部３４は、パラメータベクトル決定部３３において決定された解導出パラメータベクトルに基づいて、解導出モデルに関する情報を決定し、決定された情報を格納部２１に格納する。解導出モデル決定部３４は、パラメータベクトル決定部３３において決定された解導出パラメータベクトルが設定された解導出モデル自体を格納部２１に格納してもよいし、解導出パラメータベクトルを格納部２１に格納してもよい。

次に、図７を参照して、解導出システム１及び作成システム２０のハードウェア構成について説明する。図７は、解導出システム１及び作成システム２０のハードウェア構成の一例を示す図である。図７に示されている例において、解導出システム１と作成システム２０とは、一体に構成されている。解導出システム１と作成システム２０とは、互いに分離して構成されていてもよい。

解導出システム１と作成システム２０とは、システム１００を含んでいる。システム１００は、プロセッサ１０１と、主記憶装置１０２と、補助記憶装置１０３と、通信装置１０４と、入力装置１０５と、出力装置１０６とを備えている。システム１００は、これらのハードウェアと、プログラム等のソフトウェアとにより構成された１又は複数のコンピュータを含んでいる。解導出システム１と作成システム２０とは、ハードウェアと協働して実現されている。

システム１００が、複数のコンピュータによって構成される場合には、これらのコンピュータはローカルで接続されてもよいし、インターネット又はイントラネットなどの通信ネットワークを介して接続されてもよい。この接続によって、論理的に１つの解導出システム１と作成システム２０とが構築される。

プロセッサ１０１は、オペレーティングシステム及びアプリケーション・プログラムなどを実行する。主記憶装置１０２は、ＲＯＭ（Read Only Memory)及びＲＡＭ（Random Access Memory）により構成される。たとえば、解導出システム１及び解導出モデルの作成システム２０の各種機能部の少なくとも一部は、プロセッサ１０１及び主記憶装置１０２によって実現され得る。

補助記憶装置１０３は、ハードディスク及びフラッシュメモリなどにより構成される記憶媒体である。補助記憶装置１０３は、一般的に主記憶装置１０２よりも大量のデータを記憶する。たとえば、格納部２，２１の少なくとも一部は、補助記憶装置１０３によって実現され得る。

通信装置１０４は、ネットワークカード又は無線通信モジュールにより構成される。たとえば、入力データ取得部３、解導出モデル取得部４、出力部７、仮入力データ取得部２２、及び、基準パラメータ取得部２３の少なくとも一部は、通信装置１０４によって実現され得る。入力装置１０５は、キーボード、マウス、及び、タッチパネルなどにより構成される。たとえば、入力データ取得部３、仮入力データ取得部２２、及び、選択情報取得部３１の少なくとも一部は、入力装置１０５によって実現され得る。出力装置１０６は、ディスプレイ及びプリンタなどにより構成される。たとえば、出力部７、及び、表示部２８の少なくとも一部は、出力装置１０６によって実現され得る。たとえば、出力装置１０６は、画像作成部６及び画像作成部２７の少なくとも一つにおいて作成された画像をディスプレイに表示する。

補助記憶装置１０３は、予め、プログラム及び処理に必要なデータを格納している。解導出プログラムは、解導出システム１の各機能要素をコンピュータに実行させる。解導出モデル作成プログラムは、解導出モデルの作成システム２０の各機能要素をコンピュータに実行させる。解導出モデル作成プログラムは、解導出パラメータベクトル作成プログラムを兼ねている。プログラムによって、たとえば、後述する処理Ｓ１１から処理Ｓ２２、処理Ｓ３１から処理Ｓ３２、処理Ｓ４１から処理Ｓ４５、及び、処理Ｓ５１から処理Ｓ５６がコンピュータにおいて実行される。このプログラムは、たとえば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリなどの有形の記録媒体に記録された上で提供されてもよい。このプログラムは、データ信号として通信ネットワークを介して提供されてもよい。

次に、図８、図９、及び、図１０を参照して、解導出パラメータベクトルの作成方法について説明する。図８は、解導出パラメータベクトルの作成方法を示すフローチャートである。まず、仮入力データ取得部２２が仮入力データを取得する（処理Ｓ１１）。

次に、基準パラメータ取得部２３が基準パラメータを取得する（処理Ｓ１２）。本実施形態において、基準パラメータ取得部２３は、格納部２１から、複数種の基準パラメータを含む基準パラメータベクトルを取得する。

次に、仮パラメータベクトル作成部２４が仮パラメータベクトルの演算処理を実行する（処理Ｓ１３）。本実施形態において、仮パラメータベクトル作成部２４は、この演算処理において、処理Ｓ１２において取得された基準パラメータベクトルに基づいて、複数の仮パラメータベクトルを作成する。仮パラメータベクトル作成部２４は、基準パラメータベクトルに対して所定の演算を行うことによって、複数の仮パラメータベクトルを作成する。

次に、仮モデル作成部２５が仮モデルを作成する（処理Ｓ１４）。仮モデル作成部２５は、処理Ｓ１３において作成された仮パラメータベクトルに基づいて仮モデルを作成する。仮モデル作成部２５は、仮パラメータベクトルを設定した仮モデルを作成する。本実施形態において、仮モデル作成部２５は、処理Ｓ１３において導出された複数の仮パラメータベクトルから一つを選択し、選択された仮パラメータベクトルが設定された仮モデルを作成する。仮モデル作成部２５は、たとえば、式（１）のｗ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｗ_{ｕｎｉｔｙ}、ｗ_{ｐｒｏｘｉｍｉｔｙ}、ｗ_{ｓｔａｂｉｌｉｔｙ}、ｗ_ａｒｅａ、ｗ_ｚｍａｘ、及び、ｗ_{ｈｅｉｇｈｔ}に、選択された仮パラメータベクトルを設定する。

次に、仮解導出部２６が仮解の演算処理を実行する（処理Ｓ１５）。仮解導出部２６は、処理Ｓ１１において取得された仮入力データと、処理Ｓ１４において作成された仮モデルとに基づいて仮解を導出する。仮解導出部２６は、処理Ｓ１４において作成された仮モデルに仮入力データを入力することによって仮解を導出する。

次に、仮解導出部２６は、処理Ｓ１３において作成された全ての仮パラメータベクトルについて、仮解が導出されたか否かを判断する（処理Ｓ１６）。全ての仮パラメータベクトルについて仮解が導出されていないと判断された場合には、処理は処理Ｓ１４に戻る。これによって、処理Ｓ１４及び処理Ｓ１５が複数回行われることによって、仮モデル作成部２５は複数の仮パラメータベクトルの各々を設定した複数の仮モデルを作成し、仮解導出部２６は複数の仮解を導出する。仮解導出部２６は、複数の仮モデルの各々に仮入力データを入力することによって、複数の仮解を導出する。

全ての仮パラメータベクトルについて仮解が導出されたと判断された場合には、画像作成部２７が画像を作成する（処理Ｓ１７）。画像作成部２７は、処理Ｓ１４から処理Ｓ１６によって導出された複数の仮解のそれぞれに対応する複数の画像を作成する。本実施形態において、複数の画像の各々は、各仮解に対応する積み荷の積み付けパターンを示している。

処理Ｓ１７が終了すると、表示部２８が画像を表示する（処理Ｓ１８）。表示部２８は、処理Ｓ１７において作成された複数の画像を表示する。換言すれば、表示部２８は、複数の仮解を表示する。

処理Ｓ１８が終了すると、選択情報取得部３１が選択情報が取得されたか否かを判断する（処理Ｓ１９）。選択情報取得部３１は、処理Ｓ１８において表示された仮解に対する選択情報を取得する。選択情報取得部３１は、ユーザによって選択された画像に対応する選択情報を取得する。換言すれば、選択情報取得部３１は、ユーザによって選択された仮解に対応する仮パラメータベクトルを特定する情報を取得する。選択情報が取得されていないと判断された場合には、選択情報取得部３１は、処理Ｓ１９を繰り返す。

選択情報が取得されたと判断された場合には、基準パラメータベクトル更新部３２が基準パラメータベクトルを更新する（処理Ｓ２０）。基準パラメータベクトル更新部３２は、処理Ｓ１９において取得された選択情報に基づいて、基準パラメータベクトルを更新する。換言すれば、基準パラメータベクトル更新部３２は、処理Ｓ１９において選択された仮解に対応する仮パラメータベクトルに基づいて、基準パラメータベクトルを更新する。さらに換言すれば、基準パラメータベクトル更新部３２は、表示された複数の仮解のうち少なくとも一つが選択された場合に、選択された少なくとも一つの仮解の演算に用いられた仮パラメータベクトルに基づいて、基準パラメータベクトルを更新する。

処理Ｓ２０が終了すると、パラメータベクトル決定部３３が基準パラメータベクトルの学習を終了するか否かを判断する（処理Ｓ２１）。学習を終了しないと判断された場合には、処理は処理Ｓ１３に戻る。この場合、処理Ｓ１３から処理Ｓ２１は、複数回行われる。この場合、処理Ｓ１３において、更新された基準パラメータベクトルに対して所定の演算を行うことで、複数の仮パラメータベクトルを導出する。パラメータベクトル決定部３３は、予め決められた回数の学習が行われた場合に学習を終了すると判断する。パラメータベクトル決定部３３は、ユーザの操作に応じて学習を終了すると判断してもよい。

学習を終了すると判断された場合には、パラメータベクトル決定部３３が解導出パラメータベクトルを決定する（処理Ｓ２２）。パラメータベクトル決定部３３は、直前の処理Ｓ２０において更新された基準パラメータベクトルを解導出パラメータベクトルとして決定する。パラメータベクトル決定部３３は、処理Ｓ１３から処理Ｓ２１が複数回行われることによって、複数回更新された基準パラメータベクトルを解導出パラメータベクトルとして決定する。

処理Ｓ２２が終了すると、解導出モデル決定部３４が解導出モデルに関する情報を決定する（処理Ｓ２３）。解導出モデル決定部３４は、処理Ｓ２１において決定された解導出パラメータベクトルに基づいて、解導出モデルに関する情報を決定する。処理Ｓ２３が終了すると、一連の処理が終了する。

次に、図９を参照して、処理Ｓ１３における仮パラメータベクトルの演算処理について詳細に説明する。図９は、仮パラメータベクトルの演算処理を示すフローチャートである。

まず、数値導出部４２が乱数に関する数値を導出する（処理Ｓ３１）。少なくとも一つの数値は、乱数を導出する演算処理によって導出された数値である。本実施形態において、数値導出部４２は、演算処理によって演算された複数の乱数を複数の数値として導出する。複数の数値は、互いに異なる数値を含むように調整されてもよい。

次に、仮パラメータベクトル導出部４３が、処理Ｓ１２において取得された基準パラメータベクトルと処理Ｓ３１において導出された数値とに基づいて、仮パラメータベクトルを導出する（処理Ｓ３２）。仮パラメータベクトル導出部４３は、基準パラメータベクトルに対して、処理Ｓ３１において導出された少なくとも一つの数値を加算又は減算することによって、複数の仮パラメータベクトルを導出する。各仮パラメータベクトルは、たとえば、式（１）におけるｗ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｗ_{ｕｎｉｔｙ}、ｗ_{ｐｒｏｘｉｍｉｔｙ}、ｗ_{ｓｔａｂｉｌｉｔｙ}、ｗ_ａｒｅａ、ｗ_ｚｍａｘ、及び、ｗ_{ｈｅｉｇｈｔ}の仮の選好パラメータを含んでいる。処理Ｓ３２が終了すると、仮パラメータベクトルの演算処理が終了され、導出された複数の仮パラメータベクトルが返される。

次に、図１０を参照して、処理Ｓ１４における仮解の演算処理について詳細に説明する。図１０は、仮解の演算処理を示すフローチャートである。

まず、仮解導出部２６が、処理Ｓ１１において取得された仮入力データに基づいて、サブスコアを決定する（処理Ｓ４１）。サブスコアは、たとえば、式（１）におけるｆ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｆ_{ｕｎｉｔｙ}、ｆ_{ｐｒｏｘｉｍｉｔｙ}、ｆ_{ｓｔａｂｉｌｉｔｙ}、ｆ_ａｒｅａ、ｖ_ｚｍａｚ、及び、ｖ_{ｈｅｉｇｈｔ}である。仮解導出部２６は、設定され得るサブスコアの複数のパターンから１つのパターンを決定する。

次に、仮解導出部２６が、スコアを演算する（処理Ｓ４２）。仮解導出部２６は、処理Ｓ４１において決定されたサブスコアと、処理Ｓ３２において導出された仮パラメータベクトルが設定された式（１）とからスコアを演算する。

次に、仮解導出部２６が、サブスコアの全てのパターンについて、スコアを演算したか否かを判断する（処理Ｓ４３）。全てのパターンについてスコアが演算されていないと判断された場合には、処理は処理Ｓ４１に戻る。

全てのパターンについてスコアが演算されたと判断された場合には、仮解導出部２６は、演算されたスコアに基づいてパターンを決定する（処理Ｓ４４）。仮解導出部２６は、処理Ｓ４１から処理Ｓ４３の繰り返しによって演算された複数のスコアのうち最も大きいスコアに対応するパターンを決定する。換言すれば、仮解導出部２６は、処理Ｓ４４において１つのブロックの種類及び配置などを決定する。

処理Ｓ４４が終了すると、仮解導出部２６は、仮解が作成されたか否かを判断する（処理Ｓ４５）。仮解が作成されていないと判断された場合には、処理は処理Ｓ４１に戻る。仮解導出部２６は、処理Ｓ４１から処理Ｓ４４を繰り返すことによって、１つずつブロックを積み付ける。仮解導出部２６は、たとえば、積み付けるブロックがないと判断した場合に、仮解が作成されたと判断する。仮解が作成されたと判断された場合には、仮解の演算処理が終了され、仮解が返される。

以上、解導出パラメータベクトルの作成方法の一例について説明したが、各処理の順序はこれに限定されない。たとえば、処理Ｓ１１は、処理Ｓ１５の前に実行されればよい。

次に、図１１を参照して、解導出システム１を用いた解導出方法について説明する。図１１は、解導出パラメータベクトルの作成方法を示すフローチャートである。この解導出方法の前に、格納部２に解導出パラメータベクトルが格納されている。たとえば、格納部２には、解導出パラメータベクトルの作成方法における処理Ｓ２２において決定された解導出パラメータベクトルが格納されている。まず、入力データ取得部３が入力データを取得する（処理Ｓ５１）。

次に、解導出モデル取得部４が解導出パラメータベクトルを取得する（処理Ｓ５２）。本実施形態において、解導出モデル取得部４は、格納部２から、複数種の選好パラメータを含む解導出パラメータベクトルを取得する。

次に、解導出モデル取得部４が解導出モデルを取得する（処理Ｓ５３）。解導出モデル取得部４は、処理Ｓ５２において取得された解導出パラメータベクトルが設定された解導出モデルを取得する。解導出モデル取得部４は、たとえば、式（１）のｗ_{ｔｏｔａｌ＿ｓｉｚｅ}、ｗ_{ｕｎｉｔｙ}、ｗ_{ｐｒｏｘｉｍｉｔｙ}、ｗ_{ｓｔａｂｉｌｉｔｙ}、ｗ_ａｒｅａ、ｗ_ｚｍａｘ、及び、ｗ_{ｈｅｉｇｈｔ}に、解導出パラメータベクトルが設定された解導出モデルを取得する。

次に、解導出部５が解の演算処理を実行する（処理Ｓ５４）。解導出部５は、処理Ｓ５１において取得された入力データと、処理Ｓ５３において取得された解導出モデルとに基づいて解を導出する。解導出部５は、仮解導出部２６と同様に、解導出パラメータベクトルを摂動させたパラメータを作成することによって、複数の解を導出してもよい。

解導出部５によって実行される解の演算処理は、仮解導出部２６によって実行される仮解の演算処理と同様である。解導出部５によって実行される解の演算処理は、処理Ｓ４１から処理Ｓ４５を、仮解導出部２６を解導出部５に、仮入力データを入力データに、仮パラメータベクトルを解導出パラメータベクトルに、仮解を解に、それぞれ読み替えた処理を実行する。

次に、画像作成部６が画像を作成する（処理Ｓ５５）。画像作成部６は、処理Ｓ５４によって導出された解に対応する画像を作成する。本実施形態において、作成された画像は、解に対応する積み荷の積み付けパターンを示している。処理Ｓ５４において、複数の解が導出された場合には、画像作成部６は、複数の解のそれぞれに対応する複数の画像を作成する。

次に、出力部７が解を出力する（処理Ｓ５６）。たとえば、出力部７は、画像作成部６において作成された画像を画面に表示させる。出力部７は、画像作成部６において作成された画像を別の機器に出力してもよい。

以上、解導出方法の一例について説明したが、各処理の順序はこれに限定されない。たとえば、処理Ｓ５１は、処理Ｓ５４の前に実行されればよい。

次に、本開示の解導出パラメータベクトルの作成方法、解導出パラメータベクトルの作成システム、解導出パラメータベクトルの作成プログラム、及び、解導出プログラムの作用効果について説明する。

本開示の解導出パラメータベクトルの作成方法、作成システム、及び、作成プログラムにおいて、複数の仮パラメータベクトルが作成され、これらの仮パラメータベクトルに基づいて複数の仮解が導出される。導出された複数の仮解は表示され、表示された複数の仮解の選択情報に基づいて基準パラメータベクトルが更新される。更新された基準パラメータは、解導出モデルに設定される解導出パラメータベクトルとして決定される。この場合、ユーザが直接的に複数種の選好パラメータを入力することなく、仮解の選択情報に応じて人の好み及び知見が反映された解導出パラメータベクトルが決定される。このため、人の好み及び知見を反映させる解導出パラメータベクトルが容易且つ確実に決定され、人の好み及び知見を確実に反映させた解を導出する解導出モデルが作成され得る。たとえば、ユーザが直接選好パラメータを設定しなくとも、熟練の計画者の好み及び知見を反映させる解導出パラメータベクトルが容易且つ確実に決定され得る。

図１２は、予め格納部２１に格納されている基準パラメータベクトルを用いて導出された解としての積み付けパターンを示す画像の一例を示している。換言すれば、図１２は、本開示の学習前の選好パラメータベクトルを用いて導出された解の一例を示す図である。図１３は、本開示の解導出パラメータベクトルを用いて導出された解としての積み付けパターンを示す画像の一例を示している。換言すれば、図１３は、本開示の学習後の選好パラメータベクトルを用いて導出された解の一例を示す図である。解導出パラメータベクトルの作成においては、「同じ種類のケースがまとまって置かれている」仮解の画像を選択した。図１４は、解導出パラメータベクトルの作成方法において仮解の選択と基準パラメータベクトルの更新とを繰り返す過程における、各種の基準パラメータの推移を示している。換言すれば、図１４は、学習過程の各種の選好パラメータの推移を示している。図１４において、データＤ１はｗ_{ｔｏｔａｌ＿ｓｉｚｅ}を示し、データＤ２はｗ_{ｕｎｉｔｙ}を示し、データＤ３はｗ_{ｐｒｏｘｉｍｉｔｙ}を示し、データＤ４はｗ_{ｓｔａｂｉｌｉｔｙ}を示し、データＤ５はｗ_ａｒｅａを示し、データＤ６はｗ_ｚｍａｘを示し、データＤ７はｗ_{ｈｅｉｇｈｔ}を示している。

図１４に示されているように、当初の基準パラメータベクトルにおいてはｗ_area及びｗ_unityの値が大きい。このため、図１２に示されているように、上面積の大きいブロックが優先的に下方に積み付けられていた。仮解の選択と基準パラメータベクトルの更新とを繰り返すにつれて、ｗ_{total_size}の値が大きくなっている。そして、図１３に示されているように、解導出パラメータベクトルを用いて導出された解では、総体積の大きい種類のケースをまとめたブロックを下方に積み付けられるようになった。解導出パラメータベクトルの作成過程において、ユーザは一切個々の選好パラメータの数値を参照しておらず、ユーザによる選好パラメータの直接的な入力は行われていない。

複数の仮パラメータベクトルの作成において、少なくとも一つの数値を基準パラメータベクトルに対して加算又は減算することによって複数の仮パラメータベクトルが導出される。この場合、基準パラメータベクトルに基づく複数の仮パラメータベクトルが容易に作成され得る。

少なくとも一つの数値は、互いに異なる数値を含んでいてもよい。この場合、より多くの仮パラメータベクトルが導出されるため、より効率的に解導出パラメータベクトルが決定され得る。

少なくとも一つの数値は、乱数を導出する演算処理によって導出された数値であってもよい。この場合、よりバリエーションに富んだ複数の仮解が表示され、より効率的に解導出パラメータベクトルが決定され得る。

表示された複数の仮解のうち少なくとも一つが選択された場合に、基準パラメータベクトルの更新において、上記少なくとも一つの仮解の演算に用いられた仮パラメータベクトルに基づいて、基準パラメータベクトルが更新される。この場合、選択された仮解に応じた仮パラメータベクトルが解導出パラメータベクトルとして決定される。

更新された基準パラメータベクトルに対して所定の演算を行うことで、複数の仮パラメータベクトルが作成される。複数の仮パラメータベクトルの作成と、複数の仮解の導出と、複数の仮解の表示と、基準パラメータベクトルの更新とは、複数回行われる。解導出パラメータベクトルの決定において、複数回更新された基準パラメータベクトルが解導出パラメータベクトルとして決定される。この場合、より確実に人の好み及び知見を反映させる解導出パラメータベクトルが決定される。

仮入力データ及び入力データは、積み荷のサイズ及び数に関する情報を含んでおり、仮解及び解は、複数の積み荷の積み付けのパターンである。この場合、複数の積み荷の積み付けパターンの選択情報に応じた解導出パラメータベクトルが決定される。この結果、積み付けに関する人の好み及び知見を反映させた解導出パラメータベクトルが容易且つ確実に決定され、人の好み及び知見を確実に反映させた積み付けパターンを出力する解導出モデルが作成され得る。

本開示の解導出プログラムは、入力データと、上記の解導出パラメータベクトルの作成方法によって作成された解導出パラメータベクトルとを取得し、解導出パラメータベクトルが設定された解導出モデルに上記入力データを入力することによって、解を導出することと、をコンピュータに実行させる。この場合、人の好み及び知見が確実に反映された解が自動的に出力され得る。熟練の計画者の知見を反映した積み付け計画が自動的に得られるため、たとえばロボット等による積み付けにおいても、積付作業全体が適切かつ迅速に行われる。

２０ 作成システム
２２ 仮入力データ取得部
２３ 基準パラメータ取得部
２４ 仮パラメータベクトル作成部
２５ 仮モデル作成部
２６ 仮解導出部
２８ 表示部
３２ 基準パラメータベクトル更新部
３３ パラメータベクトル決定部

Claims (9)

1. 仮入力データを取得することと、
   基準パラメータベクトルを取得することと、
   前記基準パラメータベクトルに対して所定の演算を行うことによって、複数の仮パラメータベクトルを作成することと、
   作成された前記複数の仮パラメータベクトルの各々を設定した複数の仮モデルを作成することと、
   作成された前記複数の仮モデルの各々に前記仮入力データを入力することによって、複数の仮解を導出することと、
   導出された前記複数の仮解を表示することと、
   表示された前記複数の仮解に対する選択情報を取得することと、
   取得された選択情報に基づいて、前記基準パラメータベクトルを更新することと、
   入力データの入力に応じて解を出力する解導出モデルに設定される解導出パラメータベクトルとして、更新された前記基準パラメータベクトルを決定することと、を１又は複数のコンピュータに実行させる、解導出パラメータベクトルの作成方法。
2. 前記複数の仮パラメータベクトルの作成において、少なくとも一つの数値を前記基準パラメータベクトルに対して加算又は減算することによって前記複数の仮パラメータベクトルが導出される、請求項１に記載の解導出パラメータベクトルの作成方法。
3. 前記少なくとも一つの数値は、互いに異なる数値を含んでいる、請求項２に記載の解導出パラメータベクトルの作成方法。
4. 前記少なくとも一つの数値は、乱数を導出する演算処理によって導出された数値である、請求項２又は３に記載の解導出パラメータベクトルの作成方法。
5. 表示された前記複数の仮解のうち少なくとも一つが選択された場合に、前記基準パラメータベクトルの更新において、前記少なくとも一つの仮解の演算に用いられた前記仮パラメータベクトルに基づいて、前記基準パラメータベクトルが更新される、請求項１から４のいずれか一項に記載の解導出パラメータベクトルの作成方法。
6. 更新された前記基準パラメータベクトルに対して前記所定の演算を行うことで、前記複数の仮パラメータベクトルを作成することをさらに前記１又は複数のコンピュータに実行させる解導出パラメータベクトルの作成方法であって、
   前記複数の仮パラメータベクトルの作成と、前記複数の仮解の導出と、前記複数の仮解の表示と、前記基準パラメータベクトルの更新とは、複数回行われ、
   前記解導出パラメータベクトルの決定において、複数回更新された前記基準パラメータベクトルが前記解導出パラメータベクトルとして決定される、請求項１から５のいずれか一項に記載の解導出パラメータベクトルの作成方法。
7. 前記仮入力データ及び前記入力データは、積み荷のサイズ及び数に関する情報を含んでおり、
   前記仮解及び前記解は、複数の積み荷の積み付けのパターンである、請求項１から６のいずれか一項に記載の解導出パラメータベクトルの作成方法。
8. 仮入力データを取得する第一取得部と、
   基準パラメータベクトルを取得する第二取得部と、
   前記基準パラメータベクトルに対して所定の演算を行うことで、複数の仮パラメータベクトルを作成する仮パラメータベクトル作成部と、
   作成された前記複数の仮パラメータベクトルの各々を設定した複数の仮モデルを作成する仮モデル作成部と、
   作成された前記複数の仮モデルの各々に前記仮入力データを入力することによって、複数の仮解を導出する導出部と、
   導出された前記複数の仮解を表示する表示部と、
   表示された前記複数の仮解に基づいて、前記基準パラメータベクトルを更新する更新部と、
   入力データの入力に応じて解を出力する解導出モデルに設定される解導出パラメータベクトルとして、更新された前記基準パラメータベクトルを決定する決定部と、を備えている、解導出パラメータベクトルの作成システム。
9. 仮入力データ、及び、基準パラメータベクトルを取得することと、
   前記基準パラメータベクトルに対して所定の演算を行うことで、複数の仮パラメータベクトルを作成することと、
   作成された前記複数の仮パラメータベクトルの各々を設定した複数の仮モデルを作成することと、
   作成された前記複数の仮モデルの各々に前記仮入力データを入力することによって、複数の仮解を導出することと、
   導出された前記複数の仮解を表示することと、
   表示された前記複数の仮解に基づいて、前記基準パラメータベクトルを更新することと、
   入力データの入力に応じて解を出力する解導出モデルに設定される解導出パラメータベクトルとして、更新された前記基準パラメータベクトルを決定することと、をコンピュータに実行させる、解導出パラメータベクトルの作成プログラム。

Images