相談する
最適化 × 現場運用

mcLeGA(マクレガー)

mcLeGA(multimode-chromosomal Lamarckian epiGenetic Algorithms) は、 現場の計画業務などの制約充足最適化問題(CSOP: Constrant Satisfaction and Optimization Problems)を高速に解くアルゴリズムを、 アプリケーション開発者に使いやすくご提供するプログラムライブラリです。 GA(Genetic Algorithms)をベースにさまざまなアイディアを取り込んで拡張した革新的 集団進化型 最適化手法です。
  1. mcLeGAは、Javaのクラスライブラリとして提供されます。
  2. アプリ開発者は、問題依存の必要最小限のデータ表現(ゲノム構造といいます)と評価関数(制約チェックと希望条件の充足度を定量化する) を実装することで実用性の高いアプリケーションが構築できます。
  3. 制約違反がなかなか解消されない場合などは、違反部分を少しだけ時々緩和する修復を定義することで劇的に探索効率が向上することを体験されることでしょう。
  4. 探索の進み具合に応じて探索を制御する各種パラメタ等が自動計算されるので、アプリ開発者はパメタチューニング作業から解放されます。
  5. 一般的な集団進化探索手法では、ある時点で評価の低い解候補はすてられてしまいますが、mcLeGAでは解候補集団の多様性に応じて それらを復活させて探索を継続します。これによりいわゆる局所解からの脱出をうながし、より良い解を求める探索の旅が続いていきます。

※PoCから本番まで、データ表現・モデル化・運用組込みまで伴走します。

対象

配車・配員・配送ルート・時間割・勤務シフトなどの計画業務

価値

作成時間短縮/制約違反の低減/現場の例外を含めた改善

連携

既存システム/Excel/API連携で運用に組み込み

特長

  • 制約を「絶対に守無ければならない条件」と「なるべく守りたい条件」に分け、現実的に評価できる
  • 業務の構造(曜日別、日別、順序、割当など)をそのまま扱い、無駄な探索を減らす
  • “少し良くする”探索を高速に繰り返し、世代を重ねるほど実用的な計画へ近づける
  • 探索時の変化の度合いを状況に合わせて自動調整し、チューニング依存を減らす
  • 既存のExcel運用や基幹システムに組み込み、現場導線のまま活用できる

従来手法では難しい理由

数理最適化は条件が増えるほど計算時間が伸び、ルールベースは例外や暗黙ルールを表現しきれません。 機械学習も「割当」や「順序」といった離散的な制約が苦手です。mcLeGAは、現場の問題設定に即して“実用解”を探索します。

ユースケース

時間割・シラバス編成

教員・教室・科目などの制約を考慮し、調整工数を大幅に削減します。

配車・配送計画

車両・ドライバー・法規制・希望条件を加味して割当やルートを作成します。

勤務シフト作成

勤務条件・休暇希望・公平性を考慮し、現場の納得感を高めます。

構成イメージ

入力データ(注文・人員・設備・ルール)を取り込み、絶対条件と希望条件に基づいて計画案を複数生成・評価します。 良い点を引き継ぎながら改善を繰り返し、短時間で現場に使える計画へ近づけます。 結果はExcel出力・画面表示・API連携など、運用形に合わせて返却します。

入力:マスタ/注文/人員/設備/ルール
最適化:制約(必須・優先・例外)+目的(コスト・距離・平準化など)
出力:Excel/画面/API(比較用に複数案も提示)

導入の進め方

  1. 対象業務の整理(制約・ルール・評価指標の整理)
  2. 業務モデル化・PoC(最適化ロジックの検証)
  3. 既存システム・Excelとの連携
  4. 現場運用への定着・調整

※業務内容に応じて段階的にモデルを拡張します。

よくある質問

制約が多すぎて無理では?

制約を整理し「必須」「優先」「例外」に分けて段階的にモデル化し、PoCを通して重要制約から効果を確認します。

解が存在しない場合は?

制約が矛盾している場合は解が存在しません。どの条件が衝突しているかを特定し、調整方針を立てられるようにします。

Excel運用に組み込めますか?

可能です。入力・出力をExcelに合わせる形や、既存システムからAPI連携する形など運用に合わせて提供できます。

お問い合わせ

本製品に関するご相談・資料請求・PoCのご相談は、下記窓口へご連絡ください。

AIソリューション 製品窓口

株式会社共同オリジナルデータ

MAIL:service-desk@kyodo-org.co.jp

製品へのお問い合わせ