AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-23
LLMを用いた輸送ハブ容量計画：テキストの業務情報を取り込む手法
原題: LLM-Guided Transportation Hub Capacity Planning with Textual Business Inputs
従来の輸送ハブ容量計画モデルは定量的な入力に対しては有効に最適化できるが、定性的な業務文脈を十分に扱えなかった。本研究では、LLMエージェントが自然言語で書かれた業務文脈をもとに、連鎖的推論で構造化された判断表を作成して容量の決定案を繰り返し提案し、その案を最適化モデルからのフィードバックで検証する枠組みを提案した。米国南東部の実際の13拠点からなる貨物ネットワークで評価したところ、非公開の正解に対する最適性ギャップは2.8%となり、テキストの業務入力を使わない従来の最適化モデルの11.0%を大きく下回った。