研究内容

数理最適化とその周辺の問題を扱っています。数理最適化問題とは「与えられた制約の下でよりよい目的を達成するための数理モデル」です。 現実的な問題に対して、数理最適化手法を用いて数学的に定式化して解くことで、合理的に意思決定ができます。
私は最近、以下のトピックスについて研究を行なっています。より詳しい研究成果については,2018年度2019年度をご覧ください.

非凸最適化法

一般の非凸最適化問題に対し,大域最適解を求めるための解法を構築するのは難しいです.そこで,最近,

  • どのような非凸最適化問題であれば大域最適解を求める解法を構築できるか,
  • 非凸2次最適化問題や特徴を持った非凸非平滑最適化問題に対して,どのように効率的に停留点を求めるか

といった研究を行っています.

機械学習で使われている最適化手法

機械学習とは、過去のデータから隠れた規則性をみつけて予測に生かすための方法が考えられています。 医療診断、スパムメールの検出、金融市場の予測、文字認識など幅広い分野で用いられています。 これらの問題は、しばしば数理最適化問題として定式化され、最適化手法が適用されています。もっといいモデル化はないか、もっといい解き方はないか、といった観点から、数理最適化の知識を生かした研究をしたいと思っています。

不確実性を考慮した最適化法

例えば、電力会社の発電計画や製造業における生産計画を立てるときには、不確実な需要にうまく対応するための手法が必要になります。不確実性に対して頑健な意志決定を行うための一手法としてロバスト最適化法が知られています。 ロバスト最適化法の適用範囲を広げるべく、理論的な側面から研究を行っています。