第５回TokyoWebMining発表資料

1. ＳＴ３ . 「遺伝的アルゴリズム（ＧＡ： Genetic Algorithm ）による広告出稿準最適化」 ２０１０年６月２０日（日） 橋本武彦 ID ： takenotabi (Twitter:@takenotabi) 第５回 データマイニング +WEB 勉強会＠東京 (Tokyo.Webmining#5)

3. 本日のテーマ 遺伝的アルゴリズム（ＧＡ： Genetic Algorithm ）による広告出稿 準最適化 ～メディアプランニング業務支援オプティマイザー（※）への 適用事例 ※ オプティマイザー（最適出稿予算配分システム） 電通 “ DiaLog” 博報堂 “ HAAP” ～クロスメディア、マス４媒体、交通、ネット、 etc ブレインパッド “ L2Mixer” ～リスティングの ROI 最大化（数理計画法（ 0-1 整数計画法）） ロックオン “アドエビス AutoBid” ～リスティングの T&D 組合せ最適化（ＧＡ）

4. メディアプランニング業務について 広告のお仕事を考えてみると。。。 何らかの伝えたい”メッセージがあり、いつ、どこで、だれに、どうやって伝えるか？ 何を （メッセージ） クリエイティブ だれに ターゲット いつ どこで どうやって 出稿日、出稿時間帯 出稿エリア メディア、ビークル メディア プランニング の 業務領域

5. メディアプランナーの悩み １，０００万円の予算（制約）のキャンペーンを考える際に、 どの雑誌に何回出稿する組合せが、一番、 GRP （閲読率の累積）が高くなるかを考える。 （ナップザック問題） ■ 雑誌情報（５００誌） ・・・ 予算内に収まるすべての雑誌の組合せを考えれば良いのだが・・・ 組合せ①： an ・ an3 回＋ JJ2 回 ⇒ GRP 〇〇％ 組合せ②： JJ 2 回＋ＶｉＶ i8 回 ⇒ GRP 〇〇％ 組合せ③： JJ 9 回＋ＶｉＶ i1 回 ⇒ GRP 〇〇％ ・・・ 各雑誌の出稿有無に限っても、２ ^ ５００・・・。さらに、出稿回数も入るので、現実的にはほぼ計算不能！（組合せの爆発） ⇒ 何らかの解探索手法が必要

7. ＧＡのコーディングイメージ ■ 染色体コーディングと、評価イメージ 問題設定を、遺伝子イメージで事前にコーディング。 この場合、出稿有無（ 0/1 ）と、出稿回数でコーディング。

8. ＧＡの処理の流れ ■ 処理フロー・・・いずれも乱数処理 （突然変異）・・・局所解への陥りを防ぐ （交叉）・・・解探索 （選択）・・・適応度の高い個体を残す 適応度比例戦略、トーナメント戦略、 etc （初期）・・・乱数を用いて、ランダムに生成 （評価）・・・評価関数による適応度算出 ～予算内： GRP の高い順 ～予算外：予算との乖離が小さい順

9. ＧＡのまとめ（長所 / 短所） ○ ：長所 ・幅広い応用範囲を持っており、さまざまな問題に適応できる。 ・実用時間内に比較的優れた解を求めることができる。 ～”解空間構造が不明であり、決定的な優れた解法が発見されておらず、また、 全探索が不可能と考えられるほど広大な解空間を持つ問題に有効” × ：短所 ・パラメータやコーディングに対する一般的な規範がない。 ～要チューニング（大変） ※ 適用領域 ・配送計画（ TSP 問題） ・・・コンビニなど ・スケジューリング ・・・学校の時間割、ナースのスケジューリング、 etc etc

10. 参考文献 ■ wikipedia http://ja.wikipedia.org/wiki/%E9%81%BA%E4%BC%9D%E7%9A%84%E3%82%A2%E3%83%AB%E3%82%B4%E3%83%AA%E3%82%BA%E3%83%A0#SGA ■ 村上・泉田研究室 http://ipr20.cs.ehime-u.ac.jp/column/ga/index.html ■ 簡単そうで難しい組合せ最適化 http://www-or.amp.i.kyoto-u.ac.jp/members/yagiura/open-campus-2004/happyo-shiryo.pdf