日時：2024 年 6 月 15 日（土） 13:30–18:00（開場は 13:00 頃）
開催方法：対面およびウェブ会議システム Zoom によるハイブリッド開催
対面会場：国立情報学研究所 (NII) 12 階 1208 号室
講演1
– 講演者：柳下翔太郎氏（統計数理研究所）
– 講演題目：正確なペナルティースパース最適化での応用と現実的な理論ー
– 講演概要：制約に対するペナルティ関数を用いて，制約付き最適化問題の代わりに無制約最適化問題を解く方法がある．代わりの無制約最適化問題の解が元の制約を満たすとき，そのペナルティは正確であるという．正確なペナルティの理論は古い歴史を持つが，近年でも盛んに研究が進められている．本発表では，講演者らの当該分野における（1）スパース最適化に焦点を当てた研究，および（2）理論の現実性を追求した研究について紹介する．
講演2
– 講演者：坂上晋作氏（東京大学）
– 講演題目：学習理論に基づく離散最適化アルゴリズムの改良と解析
– 講演概要：アルゴリズムの理論保証と実用上の性能の乖離は広く認識されている課題であり，それを克服するための取り組みとして，beyond the worst-case と称される研究の流れが近年注目を集めている．本発表では，この流れに関する講演者らの研究成果を 2 つ紹介する．
1. ウォームスタートの学習による L 凸関数最小化の高速化：過去に観測した L 凸関数から最適解を予測し，新たに解く問題の最適解集合が予測から近ければ，予測を利用することで計算量を改善し得ることを示す．また，予測の計算方法とその理論保証についても紹介する．
2. A* 探索におけるヒューリスティック関数の学習の汎化誤差解析：A* 探索のヒューリスティック関数値として過去のデータから学習した値を用いることを考え，統計的学習理論の枠組みに基づいて，期待性能を経験的性能から保証する方法を紹介する．
参加費：無料
参加資格：自由（会員/非会員不問）
参加申込：
– 対面参加：こちらのフォームからお申し込みください
– オンライン参加：こちらのフォームからお申し込みください
なお、本研究部会の最新情報は研究部会のウェブページでご覧いただけます。