Core Concepts
確率変数を含む非線形方程式システムの近似最適解を、混合モデルを用いて効率的に求める手法を提案する。
Abstract
本研究では、確率変数を含む非線形方程式システムの解析手法を提案する。
方程式のパラメータを確率変数としてモデル化し、混合モデルを用いることで、多数の方程式システムの組合せを効率的に扱うことができる。
一般的な非線形方程式やさまざまな確率密度関数に適用可能な尤度関数と事後密度関数を導出した。
線形方程式システム、円錐曲線方程式システム、ポートフォリオ最適化、制御工学、ランダム行列理論などの応用例を示した。
混合モデルのパラメータ設定によって、解の集合の特徴を効果的に捉えられることを示した。
極端に大規模な組合せ問題でも、提案手法の数値的効率性により解析可能であることを示した。
Stats
確率変数Aの混合モデルは、LA,i個のコンポーネントから構成される。
確率変数Bの混合モデルは、LB,r個のコンポーネントから構成される。
方程式システムの組合せ数は、(Πi LA,i) × (Πr LB,r)となる。
3つの円錐曲線方程式システムの場合、418 ≈ 6.87 × 1010通りの組合せが存在する。
20個の円錐曲線方程式システムの場合、6120 ≈ 2.4 × 1093通りの組合せが存在する。
Quotes
"確率変数を含む非線形方程式システムの解析は一般的に困難である。"
"混合モデルを用いることで、多数の方程式システムの組合せを効率的に扱うことができる。"
"提案手法は、極端に大規模な組合せ問題でも数値的に効率的に解析可能である。"