入賞者インタビュー：新潟大学 徐さん

コンペ概要：ナンプレ自動作成問題とは？

進化計算コンペティションは、産業界の実課題をテーマに、最適化手法の実力を競い合う大会です。2024 年の課題のひとつは「難易度と面白さを考慮したナンプレの自動作成問題」。指定されたルールに従ってナンプレ問題を自動生成し、「ヤマ」となる局面や連鎖的に数字が確定する場面を盛り込むことで、解く楽しさと難しさの両立が求められました。

背景と研究分野

今回の課題に挑戦したのは、新潟大学の徐岳楓さん。普段は、進化計算を専門とする研究に取り組んでおり、特に深層学習モデルの最適化に関する Neural Architecture Search（NAS） をテーマに研究を進めています。進化計算学会にも過去 4 回参加しており、アルゴリズム設計に対する深い理解と経験を活かして、本コンペにも臨みました。

最初のアプローチ

問題を見た第一印象は、「既存の一般的なアルゴリズムをそのまま適用しても、良い結果は出せないだろう」というものでした。ナンプレ問題に特有の制約と評価基準に対応するには、柔軟な戦略設計が必要であると早い段階から感じていたといいます。

解法の工夫と取り組み

まず着手したのは、実行可能な初期解の生成。ランダムにヒントを生成した後、以下の 3 つの修正操作を繰り返し、ナンプレとして成立する実行可能解へと調整していきました：

• 変異：ランダムに選んだ数字を別の値に変更
• スワップ：ランダムな 2 箇所の数字を入れ替え
• フィックス：ナンプレのルールに反する値を修正

また、解の探索と提出は並列処理により高速化。評価サーバへの提出回数を増やすために、効率的な計算リソースの使い方にも工夫を凝らしました。

振り返りと反省点

本来は、簡易評価器を自作し、有望な解をローカルで見極めたうえでサーバに送信する戦略を想定していたものの、実装が間に合わず断念。最終的には、実行可能解の生成に注力する形となりました。

「もう少し時間があれば、良い解を出せる工夫を見つけていきたかった」と語ります。

最適化への視点と産業的意義

徐さんは、実問題やコンペにおいて重要になるのは「限られたリソースをどう活用するか」という視点だと考えています。論文ではしばしば「評価回数」で比較されるアルゴリズムも、現実の場では CPU 時間やコード構造の工夫、実行効率といった観点が欠かせないといいます。その点で、今回のようにサーバリソースが限られている設定は、実務に通じる現実性の高い課題だったと捉えています。

また、徐さんは研究テーマとして 進化計算による Neural Architecture Search（NAS） に取り組んでおり、深層学習の領域では現在もプーリングや蒸留といった手法がモデル軽量化の主流を占める中で、進化計算ベースの NAS のアプローチも、今後さらに広まっていくべきだという思いを持っています。

ポスター発表と交流の学び

ポスター発表は、代理で先生に対応してもらったとのことですが、他チームの手法を見て「もっと効率的な方法があった」と感じる部分もあったそうです。努力の方向性や改善点が明確になり、今後に活かせるヒントを得る機会となりました。

未来の参加者へ

「最後の一週間で、参加者全体のスコアが一気に伸びていたのが印象的でした」だからこそ、最後まで諦めずに粘り強く取り組んでほしいと、これから挑戦する方々へエールを送ります。たくさんのユニークな手法と出会える場でもあり、最適化の実践力を磨く貴重な経験になるはずです。

編集後記

進化計算を研究している徐さんは、限られた時間の中で、実行可能解の生成や並列処理による高速化といった実装にしっかり取り組んでいました。評価サーバの使い方やリソースの制約を意識した構成は、実際の現場にも通じるもので、落ち着いた堅実な姿勢が印象的でした。

本人としては、簡易評価器を作れなかったことなど、やり残したことも多く、納得のいく結果ではなかったようです。だからこそ、今年はその分も含めて、より満足のいく形で取り組んでもらえたらと思います。