ＳＴ３ＳＴ３ . . 「遺伝的アルゴリズム（Ｇ「遺伝的アルゴリズム（ＧＡ：Ａ： Genetic AlgorithmGenetic Algorithm ）による広告）による広告

出稿準最適化」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)

自己紹介

2

国分寺在住の３５歳、既婚（無事、結婚４年目突入）

キャリア・エンジニア、研究員、リサーチャーを経て、五反田のベンチャーでアナリ

ストとして勤務　　（無事、３年目突入）

・業務領域は、データ分析（ Mining ） /最適化 /システム構築（ Web ）（データマイニング＋ＷＥＢ勉強会 @ 東京の趣旨と、とても近い気

が・・・）

興味があること構造方程式モデリング、シミュレーション、プロジェクトマネジメント /

コーチング、　　ライフログ、クラウド（分散処理）、 etc

本日のテーマ

3

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）

メディアプランニング業務について

4

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

メディアプランナーの悩み

5

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）

雑誌名 間隔 出稿金額 閲読率an an・ 月刊 \ 300,000 10%ViVi 週刊 \ 500,000 20%J J 月刊 \ 400,000 15%Cancam 季刊 \ 600,000 25%

■ 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

遺伝的アルゴリズム（ＧＡ）とは？

6

1975 年にミシガン大学のジョン・ H ・ホランド（ John Henry Holland ）によって提案された　　近似解を探索するメタヒューリスティックアルゴリズム

ダーウィンの進化論がベース～環境に適応する優秀な個体が生き残り、進化

“選択” 　＞　“交叉” 　＞　“突然変異”を繰り返すことで、解を探索

最大の特徴は、”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”であること

ちなみに、タレント　菊川怜の卒論でも利用　（ 1999, 遺伝的アルゴリズムを適用したコンクリートの要求性能型の調合設計に関する

研究 , 菊川 怜）

ＧＡのコーディングイメージ

7

■染色体コーディングと、評価イメージ

個体１an an・ ViVi J J Cancam 出稿金額 GRP

出稿対象有無 0 1 1 0出稿回数 0 2 3 0

2個体an an・ ViVi J J Cancam 出稿金額 GRP

出稿対象有無 0 0 0 1出稿回数 0 0 0 6

3個体an an・ ViVi J J Cancam 出稿金額 GRP

出稿対象有無 1 1 1 0出稿回数 5 4 3 0

\ 4,000,000 600%

\ 1,000,000 250%

\ 2,000,000 300%

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。

ＧＡの処理の流れ

8

■ 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

ＧＡのまとめ（長所 /短所）

9

○：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、

etcetc

参考文献

10

■wikipediahttp://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