特開 2025-38609 システム構成評価装置、システム構成評価方法、及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2025038609

(43)【公開日】2025-03-19

(54)【発明の名称】システム構成評価装置、システム構成評価方法、及びプログラム

(51)【国際特許分類】

   G06N 20/00 20190101AFI20250312BHJP

【ＦＩ】

G06N20/00

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023145331

(22)【出願日】2023-09-07

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＷＩＮＤＯＷＳ

２．ＵＢＵＮＴＵ

(71)【出願人】

【識別番号】000004237

【氏名又は名称】日本電気株式会社

(74)【代理人】

【識別番号】110002044

【氏名又は名称】弁理士法人ブライタス

(72)【発明者】

【氏名】八鍬 豊

(72)【発明者】

【氏名】黒田 貴之

(57)【要約】

【課題】システム構成の一部が変更された場合であっても学習内容を応用でき、且つ、システム構成の規模に応じて学習に必要なデータ量及び時間が増大するのを抑制する。
【解決手段】システム構成評価装置１は、学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、出力した評価値を統合して、コンピュータシステム全体の評価値を出力する、構成評価部１１と、予め設定された要件に基づいてコンピュータシステムの設計を試行し、設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、学習モデルの学習データを生成し、生成した学習データを用いて、学習モデルに対して機械学習を実行する、構成要素学習部１２と、を備えている。
【選択図】図１

【特許請求の範囲】

【請求項1】

学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、前記コンピュータシステム全体の評価値を出力する、構成評価部と、
予め設定された要件に基づいて前記コンピュータシステムの設計を試行し、前記設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が前記要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、前記学習モデルの学習データを生成し、生成した前記学習データを用いて、前記学習モデルに対して機械学習を実行する、
構成要素学習部と、
を備えている、ことを特徴とするシステム構成評価装置。

【請求項2】

前記構成要素学習部が、
前記構成毎に、それに含まれる前記各構成要素が、前記要件に沿って具体化されているかどうかを判定し、判定の結果に基づいて、当該構成に含まれる前記各構成要素に与えるべき報酬を算出し、
前記構成毎に、当該構成と、当該構成について算出された、前記各構成要素に与えるべき報酬とを、前記学習データとして生成する、
請求項１に記載のシステム構成評価装置。

【請求項3】

前記構成要素学習部が、
特定の構成要素と、それを具体化するのに必要となる別の構成要素と、の関係性を表す依存関係に基づいて、依存関係がない構成要素及び依存関係にある構成要素について学習が完了した構成要素の順に学習が行われるように、カリキュラムを生成し、
生成した前記カリキュラムに従って、前記学習モデルに対する機械学習を実行する、
請求項１に記載のシステム構成評価装置。

【請求項4】

前記構成評価部が出力する前記各構成要素の前記評価値に基づいて、前記コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した前記構成を用いて、前記コンピュータシステムのシステム構成を設計する、設計部を更に備えている、
請求項１に記載のシステム構成評価装置。

【請求項5】

前記構成評価部が出力する前記各構成要素の前記評価値に基づいて、具体化の対象となる構成要素を決定し、決定した構成要素を具体化することで得られる構成のみを生成する、絞り込み部を更に備え、
前記設計部は、前記探索対象となる構成を追加する場合に、前記絞り込み部が生成した前記構成のみ追加し、
前記構成要素学習部は、前記コンピュータシステムの設計の試行において、前記コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した前記構成を用いて、前記コンピュータシステムのシステム構成の設計を試行し、前記探索対象となる構成を追加する場合に、前記絞り込み部が生成した前記構成のみ追加する、
ことを特徴とする請求項４に記載のシステム構成評価装置。

【請求項6】

学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、前記コンピュータシステム全体の評価値を出力する、構成評価ステップと、
予め設定された要件に基づいて前記コンピュータシステムの設計を試行し、前記設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が前記要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、前記学習モデルの学習データを生成し、生成した前記学習データを用いて、前記学習モデルに対して機械学習を実行する、構成要素学習ステップと、
を有する、ことを特徴とするシステム構成評価方法。

【請求項7】

コンピュータに、
学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、前記コンピュータシステム全体の評価値を出力する、構成評価ステップと、
予め設定された要件に基づいて前記コンピュータシステムの設計を試行し、前記設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が前記要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、前記学習モデルの学習データを生成し、生成した前記学習データを用いて、前記学習モデルに対して機械学習を実行する、構成要素学習ステップと、
を実行させる、プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、ＩＣＴ（Information and Communication Technology）システムの自動設計及びその機械学習を行う技術に関する。特に、本開示は、設計の要件及び使用する部品のみを人間が宣言的に定義し、それらの定義から、想定される設計の範囲を設計空間としてコンピュータに計算させ、その空間をＡＩ（Artificial Intelligence）に探索させることで設計を自動化するシステム設計自動化技術、およびその機械学習を行う技術に関する。

【背景技術】

【0002】

特許文献１は、顧客の要件を満たすＩＣＴシステムを自動的に設計する技術を開示している。特許文献１に開示された技術では、顧客の抽象的なシステム要件に含まれる抽象的な要素が段階的に具体化され、配備可能なレベルまで詳細化されたシステム構成が導出される。

【0003】

また、特許文献１に開示された技術では、顧客の抽象的な「システム要件」（又は単に「要件」）と、システム要件を具体化している最中の「システム構成案」（又は単に「構成案」）と、システム要件を完全に具体化した「システム具体構成」（又は単に「具体構成」）と、は、図４２に示すグラフで表現される。図４２は、ＩＣＴシステムの要件を示すグラフの一例を示す図である。図４３は、図４２に示すＩＣＴシステムの要件に含まれる構成要素を説明する図である。

【0004】

また、システム要件と、システム構成案と、システム具体構成と、の三つは、総称して「システム構成」（又は単に「構成」）と呼ばれる。システム構成のグラフを構築するノードおよびエッジは、構成要素と呼ばれる。ノードはシステム構成に含まれる個々の部品（例えばサーバ、ルータ等）を意味し、エッジは部品間の関係性（例えばネットワーク接続等）を意味する。

【0005】

具体化は、グラフの書き換えにより実現される。グラフの書き換え方の規則は自動設計を実施する前に予め用意され、この規則は具体化規則と呼ばれる。適用可能な具体化規則（つまりグラフの書き換え方の規則）は、システム要件及びシステム構成案に対して複数用意されていても良い。どの具体化規則を適用するか、それらを適用する順序に応じて、設計が分岐し、導出されるシステムの具体構成が変化する。その結果、設計に差異が生じ、場合によっては設計に失敗する（入力であるシステム要件を満たせなくなる）状況も存在する。

【0006】

そのため特許文献１に開示されている技術を用いて効率的な設計を行うためには、前述したように複数ある適用可能な具体化規則のどれを適用するかの判断と、各具体的規則の適用の順序が適切かどうかの判断と、が重要である。

【0007】

非特許文献１は、強化学習を利用して、前述した具体化規則の適用の判断及び順序が適切かどうかの判断を行う技術を開示している。強化学習技術は、行動の内容及び順序によって得られる結果が異なる問題において、多様な試行を繰り返し、試行の結果に応じて得られる報酬に基づいて、行動の内容及び順序が適切かどうかの判断を学習する技術である。強化学習技術は囲碁ＡＩの学習などにおいて高い実績を残している。また、特許文献２は、システム構成の部分的な要素に対する評価を学習する技術を開示している。

【先行技術文献】

【特許文献】

【0008】

【特許文献1】特許第７０３６２０５号公報

【特許文献2】特開２０２２－６３２０９号公報

【非特許文献】

【0009】

【非特許文献1】丸山貴志 他: 「探索型ネットワーク設計導出方式の強化学習による探索の効率化」, 信学技報, vol. 118, no. 483, ICM2018-71, pp. 123-128, 2019年3月.

【発明の概要】

【発明が解決しようとする課題】

【0010】

ところで、特許文献１に開示される技術には、システム構成の評価がシステム構成全体に対して与えられていることを原因にして２つの問題がある。１つ目は、構成の一部が変更された際にその影響が不明であるため、学習内容を応用できないという問題である。２つ目は、学習に必要なデータ量及び時間がシステム構成の規模に応じて増大してしまい、スケーラブルでないという問題である。

【0011】

また、特許文献２に開示された技術を用いたとしても、特許文献１に開示された技術では、学習の対象は依然としてシステム構成全体の設計の成否の見込みを表す評価であり、学習処理はシステム構成単位で行う必要があるため、上記２つの問題の解決は困難である。

【0012】

本開示の目的の一例は、システム構成の一部が変更された場合であっても学習内容を応用でき、且つ、システム構成の規模に応じて学習に必要なデータ量及び時間が増大するのを抑制する、ことにある。

【課題を解決するための手段】

【0013】

上記目的を達成するため、本開示の一側面におけるシステム構成評価装置は、
学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、前記コンピュータシステム全体の評価値を出力する、構成評価部と、
予め設定された要件に基づいて前記コンピュータシステムの設計を試行し、前記設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が前記要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、前記学習モデルの学習データを生成し、生成した前記学習データを用いて、前記学習モデルに対して機械学習を実行する、
構成要素学習部と、
を備えている、ことを特徴とする。

【0014】

また、上記目的を達成するため、本開示の一側面におけるシステム構成評価方法は、
学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、前記コンピュータシステム全体の評価値を出力する、構成評価ステップと、
予め設定された要件に基づいて前記コンピュータシステムの設計を試行し、前記設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が前記要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、前記学習モデルの学習データを生成し、生成した前記学習データを用いて、前記学習モデルに対して機械学習を実行する、構成要素学習ステップと、
を有する、ことを特徴とする。

【0015】

更に、上記目的を達成するため、本開示の一側面におけるプログラムは、
コンピュータに、
学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、前記コンピュータシステム全体の評価値を出力する、構成評価ステップと、
予め設定された要件に基づいて前記コンピュータシステムの設計を試行し、前記設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が前記要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、前記学習モデルの学習データを生成し、生成した前記学習データを用いて、前記学習モデルに対して機械学習を実行する、構成要素学習ステップと、
を実行させる、ことを特徴とする。

【発明の効果】

【0016】

本発明によれば、システム構成の一部が変更された場合であっても学習内容を応用でき、且つ、システム構成の規模に応じて学習に必要なデータ量及び時間が増大するのを抑制できる。

【図面の簡単な説明】

【0017】

【図1】図１は、システム構成評価装置の一例（第１例）の概略構成を示す構成図である。

【図2】図２は、システム構成評価装置の一例（第１例）の構成をより具体的に示す構成図である

【図3】図３は、システム構成評価装置の一例（第１例）における構成評価の学習動作の一例を示すフロー図である。

【図4】図４は、図３に示した繰り返し行う強化学習の一回分の期間の動作（ステップＳ１２）を示すフロー図である。

【図5】図５は、図４に示した強化学習におけるシステム要件から構成パスを生成する動作（Ｓ１２１）を示すフロー図である。

【図6】図６は、図４に示した強化学習における学習データを生成する動作（Ｓ１２２）を示すフロー図である。

【図7】図７は、図６に示した構成要素が「完全に具体的」であるか否か判定する動作（Ｂ１１）を示すフロー図である。

【図8】図８は、図４に示した強化学習における学習データを用いて学習を行う動作（Ｓ１２４）を示すフロー図である。

【図9】図９は、図３に示した強化学習における設計の試行を行う動作（Ｓ１３）を示すフロー図である。

【図10】図１０は、システム構成評価装置における構成評価の動作を示すフロー図である。

【図11】図１１は、システム構成評価装置の一例（第２例）の構成を示す構成図である

【図12】図１２は、システム構成評価装置の一例（第２例）における構成評価の初期学習の動作を示すフロー図である。

【図13】図１３は、図１２に示した構成評価の初期学習において依存グラフを生成する動作（Ｕ２１）を示すフロー図である。

【図14】図１４は、図１２に示した構成評価の初期学習においてカリキュラムを生成する動作（Ｕ２２）を示すフロー図である。

【図15】図１５は、図１４に示したカリキュラム生成において学習難易度の計算を行う動作（Ｕ２２４）を示すフロー図である。

【図16】図１６は、図１４に示したカリキュラム生成においてエッジを削除し巡回を解消する動作（Ｕ２２７）を示すフロー図である。

【図17】図１７は、図１６に示したカリキュラム生成において巡回に含まれるエッジの削除候補リストを生成する動作（Ｄ２３）を示すフロー図である。

【図18】図１８は、図１６に示したカリキュラム生成において削除候補リストからエッジを一つ選び削除する動作（Ｄ２４）を示すフロー図である。

【図19】図１９は、図１２に示した構成評価の初期学習において学習項目の学習に用いる要件の集合を生成する動作（Ｕ２５）を示すフロー図である。

【図20】図２０は、図１９に示した、学習項目の学習に用いる要件の集合を生成する動作の中で、具体化規則の具体化に必要な構成又は具体化後の構成に含まれる構成要素を再帰的に処理する動作（Ｕ２５７）を示すフロー図である。

【図21】図２１は、図１２に示した構成評価の初期学習において要件の集合を用いて学習項目を学習する動作（Ｕ２６）を示すフロー図である。

【図22】図２２は、システム構成評価装置の一例（第２例）における構成評価の再学習の動作を示すフロー図である。

【図23】図２３は、システム構成評価装置の一例（第３例）の構成を示す構成図である。

【図24】図２４は、システム構成評価装置の一例（第３例）における設計の動作を示すフロー図である。

【図25】図２５は、システム構成評価装置の一例（第４例）の構成を示す構成図である。

【図26】図２６は、システム構成評価装置の一例（第４例）における学習の動作を示すフロー図である。

【図27】図２７は、図２６に示した繰り返し行う強化学習の一回分の期間の動作を示すフロー図である。

【図28】図２８は、図２７に示した強化学習におけるシステム要件から構成パスを生成する動作（Ｓ４２１）を示すフロー図である。

【図29】図２９は、システム構成評価装置の一例（第４例）における設計の動作を示すフロー図である。

【図30】図３０は、ＩＣＴシステムの自動設計において設計が分岐を繰り返し構成が生成される様子を示す図である。

【図31】図３１は、ＩＣＴシステムの自動設計においてＩＣＴシステム構成をグラフ構造で表した情報を図示した図である。

【図32】図３２は、図３１に示したＩＣＴシステムのシステム構成をテキストで表現した情報を示す図である。

【図33】図３３は、ＩＣＴシステムの自動設計において構成要素の型を定義するためのフォーマットを示す図である。

【図34】図３４は、実施の形態２において生成される依存グラフの一例を示す図である。

【図35】図３５は、実施の形態２において生成されるカリキュラムの一例を示す図である。

【図36】図３６は、構成パスの一例を示す図である。

【図37】図３７は、実施の形態１において生成される探索木の一例を示す図である。

【図38】図３８は、ＩＣＴシステムの自動設計において構成要素の型を定義するためのフォーマットを示す図である。

【図39】図３９は、ＩＣＴシステムの自動設計において構成要素の型の定義を表す情報である構成要素型定義情報の一例を示す図である。

【図40】図４０は、ＩＣＴシステムの自動設計において、図３９の構成要素型定義情報から生成される、具体化規則の定義を表す情報である具体化規則定義情報の一例を示す図である。

【図41】図４１は、システム構成評価装置を実現するコンピュータの一例を示すブロック図である。

【図42】図４２は、ＩＣＴシステムの要件を示すグラフの一例を示す図である。

【図43】図４３は、図１に示すＩＣＴシステムの要件に含まれる構成要素を説明する図である。

【発明を実施するための形態】

【0018】

（開示の前提）
実施の形態の説明の前に、適用対象であるＩＣＴシステムの自動設計について説明する。まず、設計が分岐を繰り返し構成が生成される様子を図３０に示す。図３０において、（ａ）～（ｇ）のそれぞれがＩＣＴシステムの構成を表現している。各構成には、ＩＣＴシステムの構成自体を示すグラフの情報に加えて、各構成要素に課せられた制約条件の情報が含まれてもよい。制約条件とは、各構成要素が持つ評価指標が満たすべき条件を、等式及び不等式で表現したものである。

【0019】

図３０に示すように、各構成（図３０において矩形で区切られた部分）に含まれる情報のうち、丸で表現されたノードは、システム構成に含まれる個々の部品（例えばサーバやルータ等）であり、構成部品を表している。矢印で表現されたエッジは、構部品成間の関係性（例えばネットワーク接続等）を表している。上述したように、ノードおよびエッジは、「構成要素」と呼ばれる。各構成部品のアイコンは構成部品の種類を表している。アイコンと種類との対応は凡例（図４３参照）に示す。構成部品に添えられた文字列は構成部品の識別子を表している。また、各構成に添えられた不等式は制約条件を表している。例えば、"$s1.conn >= 100"とは、識別子が"s1"の構成に紐付けられた評価指標である"conn"に関する制約条件であって、"conn"が100以上であることを表している。

【0020】

各構成に含まれる情報（以下「構成情報」と表記する）は、図３０に示した図によって表現された情報に限られず、テキストで表現された情報であってもよい。テキストでの表現方法は、一意な図に変換できるのであれば特に限定しないが、その一例として、図３２に、図３１に示された構成をテキストで表現した例が示されている。

【0021】

図３１では、ノードおよびエッジに添えられたテキストは、それぞれ、構成部品および構成部品間の関係性を示している。つまり、図３１は、具体的なアプリケーションＹとなんらかのアプリケーションとが通信できる構成であることを示しており、ノードとエッジとを用いて「AppとApp_YとがConn_toの関係性で接続されている」ことを表現している。点線は抽象的な構成部品、実線は具体的な構成部品を表す。Appは何らかのアプリケーションを表す抽象的なノードであるためこの時点では点線で表示されており、構成の具体化過程において、具体的なアプリケーションに具体化されていくものである。

【0022】

図３２に示すように、テキスト形式での構成情報は、構成部品と構成部品間の関係性とのリストで構成されている。各構成部品には、その構成部品を識別する識別子とその構成部品の型とが定義される。各関係性には、関係性を識別する識別子、関係性の型、接続元の構成部品の識別子、及び接続先の構成部品の識別子が定義される。図３２における記号"$"は、それが付加された識別子を参照することを示す。構成部品の他の定義部分で参照されることがないなどの理由により、ある構成部品の識別子の定義が不要の場合は、識別子の定義は省略されていてもよい。

【0023】

続いて、ノード及びエッジを表す構成要素について、その型の定義方法を説明する。構成要素の型を定義するためのフォーマットを図３３に示す。構成要素の型には、構成要素の型の名前（型名）、継承元、具体性、プロパティといった、構成要素の型の特徴を表す情報が指定される。また、構成要素の型には、期待周辺構成という情報も指定される。期待周辺構成は、その型の構成要素がシステム構成内に存在するために、自身の周辺に存在することを期待する、構成の情報である。なお、構成要素の型のことを「構成要素型」とも呼ぶ。また、構成要素型を定義したデータなどのことを「構成要素型定義情報」とも呼ぶ。

【0024】

上述した継承元は、その構成要素が継承する他の構成要素の型を表し、指定がない場合は何も継承していないことを表す。構成部品が、他の構成部品の型を承継し、構成部品間の関係性が、他の構成部品間の関係性の型を継承することで、継承元の型のプロパティ及び期待周辺構成の情報の継承が可能となる。

【0025】

上述した具体性は、その構成要素型自身が、さらに具体化されうる抽象的な構成要素の型であるか、それ以上具体化されない具体的な構成要素の型であるかを表すフラグである。具体性がＴｒｕｅであれば具体的な構成要素の型であることを表す。具体性がＦａｌｓｅであれば抽象的な構成要素型であることを表しており、当該構成要素型を継承するその他の構成要素型へと具体化が可能である。

【0026】

プロパティは、その構成要素型の特性を表す属性情報であり、構成要素型の種類に応じて任意の属性情報を指定できる。期待周辺構成は、その型の構成要素が成り立つために、自身の周辺で満たされるべき構成情報を表し、ここに記載された構成が存在することで、その型の構成要素が成り立つことを表す。

【0027】

例えば、何らかのアプリケーションが存在するためには、それをホストするＯＳが必須であると考えられるため、ＡＰＰ型の構成部品の期待周辺構成に、ＡＰＰ自身が何らかのＯＳ型の構成部品にホストされるという構成情報を記載する。一つの構成要素に対して期待周辺構成は複数定義可能である。ある構成要素の期待周辺構成が一つでも構成の中に存在すれば、当該構成要素の期待周辺構成が満たされていると表現する。

【0028】

個々の期待周辺構成には、その期待周辺構成の名前、前提構成情報、必須構成情報および制約条件が記述される。前提構成情報とは、後述する必須構成情報を満たすように具体化する際に前提となる構成情報である。前提構成情報は、設計途中のシステム構成が、前提構成情報に記載された構成情報を満たしている場合に、後述する必須構成情報を適用してシステム構成を具体化することを表す。必須構成情報は、ここに記載された構成情報をシステム構成に追加することで、システム構成を一段階具体化するための情報である。制約条件は、必須構成情報に記載された構成情報でシステム構成を具体化する際に、各構成要素が満たすべき制約条件である。

【0029】

入力されたシステム要件に基づきシステム構成を具体化していく処理は、各構成要素自身を具体的な構成要素に具体化していく処理と、各構成要素に定義された期待周辺構成を満たすようにシステム構成を具体化していく処理と、の二つの処理から成り立っている。そのため具体化規則の情報は、構成要素型の定義のうち継承元および期待周辺構成の内容から生成可能である。

【0030】

具体化規則を定義するためのフォーマットを図３８に示す。具体化規則には、具体化対象と、具体化に必要な構成と、具体化後の構成と、制約条件と、という情報が指定される。具体化対象には、具体化する対象となる構成要素の型名を指定する。具体化規則は、１つの構成要素のみを具体化対象としており、１回の具体化規則の適用では１つの構成要素のみが具体化される。

【0031】

具体化に必要な構成には、この具体化規則を適用するにあたって事前に満たされるべき周辺構成が指定される。すなわち、具体化対象の構成要素の周辺に、具体化に必要な構成に示された構成が存在する場合に限り、当該具体化規則が適用される。具体化後の構成は、当該具体化規則が適用された後に残る構成を指定する。

【0032】

具体化規則が適用されると、具体化対象の構成要素が具体化後の構成に示された構成に置き換えられることになる。制約条件は、具体化規則の適用後に満たされるべき条件を指定する。すなわち、具体化対象およびその周辺の構成が、具体化規則の適用後も制約条件に指定された内容を満たすことができる場合に限り、当該具体化規則が適用される。

【0033】

図３９は、構成要素型の定義の例を示す。図４０は、図３９に示した構成要素型の定義から生成可能な具体化規則の定義の例を示す。図３９は、オペレーティングシステムを表す抽象的な構成部品の型であるＯＳの定義の例と、ＯＳを継承する型であるＷｉｎｄｏｗｓ及びＵｂｕｎｔｕの定義の例を示している。ＯＳは、プロパティとして、ＯＳが使用するメモリ量を指定するｒｅｑｕｉｒｅｄ＿ｍｅｍｏｒｙを保持する。ただし、ＯＳ型は抽象的な構成部品の型であるため、具体的な値は設定されていない。ＯＳは、自身が成り立つためには何らかのＭａｃｈｉｎｅ上にホストされている必要があるため、ＯＳ自身とＭａｃｈｉｎｅ間とにおいて、Ｈｏｓｔｅｄ＿ｏｎの関係性が成り立っている必要があることを期待周辺構成として定義している。

【0034】

更に、期待周辺構成が適用される際の制約条件として、ホスト元のＭａｃｈｉｎｅが搭載するメモリ量が、ＯＳ自身が必要とするメモリ使用量以上であることを定義している。また、ＯＳを継承する型として具体的なＯＳであるＷｉｎｄｏｗｓ型とＵｂｕｎｔｕ型との構成部品が定義され、具体的なメモリ使用量の値が設定される。

【0035】

図４０は、ＯＳを具体化する３種類の具体化規則の定義の例を示している。具体化規則１は、抽象的なＯＳという型の構成要素を、具体的なＷｉｎｄｏｗｓという型の構成要素に具体化する具体化規則を定義している。具体化規則２は、抽象的なＯＳという型の構成要素を、具体的なＵｂｕｎｔｕという型の構成要素に具体化する具体化規則を定義している。具体化規則３は、ＯＳの期待周辺構成を満たすように、Ｍａｃｈｉｎｅ型の構成部品と、ＯＳ型の構成要素およびＭａｃｈｉｎｅ型の構成要素を接続するＨｏｓｔｅｄ＿ｏｎ型の関係性と、を生成してＯＳを具体化する具体化規則を定義している。なお、図４０に示されるような、具体化規則を定義したデータなどのことを「具体化規則定義情報」とも呼ぶ。

【0036】

システム構成に含まれる全ての構成要素に対して、各構成要素自身を具体的な構成要素に具体化していく処理と、各構成要素に定義された期待周辺構成を満たすようにシステム構成を具体化していく処理と、の二つの処理が完了した時点でシステム設計が完了したと判定する。つまり、システム構成内の全ての構成要素の具体性がＴｒｕｅであり、且つ、全ての構成要素の期待周辺構成が満たされている場合に、システム構成は具体構成であり、設計が完了したと判定する。一つの構成要素に複数の期待周辺構成が定義されている場合は、それらのうちいずれか一つの期待周辺構成が満たされていればよいものとする。

【0037】

また、ある構成要素の期待周辺構成を満たすようにシステムの具体化を行う際に、その具体化の内容を定義した具体化規則の具体化後の構成に記載された構成要素の全部もしくは一部が、既にシステム構成内に存在している場合、既存の構成要素を利用するような構成に具体化してもよいし、新規に構成要素を追加する構成に具体化してもよい。

【0038】

例えば、Ａｐｐ型の構成部品の期待周辺構成に、Ａｐｐ自身が何らかのＯＳ型の構成部品にホストされるという構成情報が記載されていた場合、このＡｐｐの期待周辺構成を満たすためにシステム構成に新たなＯＳを追加してもよいし、もしすでに他のＡｐｐがホストされているＯＳがシステム構成内に存在する場合などは、新たなＯＳは追加せずに既存のＯＳにホストされる構成に具体化してもよい。

【0039】

このように、期待周辺構成を満たすように具体化する際に、既存の構成要素を利用する構成に具体化するか、新規に追加する構成に具体化するかは任意に選択できる。そのため、一つの具体化規則をある構成に適用する場合でも、その適用方法のパターンの数は複数あることがある。適用方法のパターンのことを「適用パターン」とも呼ぶ。

【0040】

（実施の形態１）
以下、実施の形態１における、システム構成評価装置、システム構成評価方法、及びプログラムについて、図１～図１０を参照しながら説明する。

【0041】

［装置構成］
最初に、実施の形態１におけるシステム構成評価装置の概略構成について図１を用いて説明する。図１は、システム構成評価装置の一例の概略構成を示す構成図である。

【0042】

図１に示す、システム構成評価装置１は、ＩＣＴシステムコンピュータシステムといったコンピュータシステムの構成を評価する装置である。図１に示すように、システム構成評価装置１は、構成評価部１１と、構成要素学習部１２とを備えている。

【0043】

構成評価部１１は、学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、コンピュータシステム全体の評価値を出力する。

【0044】

構成要素学習部１２は、予め設定された要件に基づいてコンピュータシステムの設計を実行し、設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が要件に沿って具体化されているかどうかを判定する。また、構成要素学習部１２は、判定の結果を用いて、学習モデルの学習データを生成し、生成した学習データを用いて、学習モデルに対して機械学習を実行する。

【0045】

本発明の第１の効果は、構成の一部が変更された際にその影響が分からず学習内容が応用できないという課題が解決され、全体の構成が変わっても構成要素単位での応用が可能になることである。その理由は、以下の通りである。

【0046】

このように、システム構成評価装置１は、システム構成全体の設計の成否の見込みではなく、各構成要素の具体化の成否の見込みを学習する。つまり、システム構成評価装置１は、各構成要素の具体化の成否に応じて報酬を生成し、それに基づいて構成要素毎に具体化が正しく完了する見込みを表す評価を学習する。このため、システム構成評価装置１によれば、構成要素単位の学習が可能になり、システム構成の一部が変更された場合であっても学習内容の応用が可能となる。更に、システム構成評価装置１によれば、学習に必要なデータ量及び時間が構成の規模に依存しなくなるので、システム構成の規模に応じて学習に必要なデータ量及び時間が増大するのが抑制され、学習効率が向上する。

【0047】

続いて、図２を用いて、実施の形態１におけるシステム構成評価装置の構成及び機能について具体的に説明する。図２は、システム構成評価装置の一例の構成をより具体的に示す構成図である。図２に示すように、システム構成評価装置１は、上述したように、構成評価部１１と、構成要素学習部１２と、を備える。

【0048】

更に、図２に示すように、構成評価部１１は、構成要素評価部１１１と、構成総合評価部１１２と、を備える。構成要素学習部１２は、学習工程制御部１２１と、設計試行部１２２と、具体化成功判定部１２３と、報酬生成部１２４と、学習データ生成部１２５と、機械学習部１２６と、を備える。これらの部は、それぞれ概略次のように動作する。

【0049】

構成要素評価部１１１は、学習モデルを用いて、それに入力された構成に含まれる各構成要素の評価値を出力する。評価値は、構成要素が完全に具体化できるか否かの見込みを表している。また、構成総合評価部１１２は、構成要素評価部１１１から出力された各構成要素の評価値を総合し、コンピュータシステムの構成全体の評価値を出力する。

【0050】

学習工程制御部１２１は、学習モデルにおける学習工程の全体の制御を行う。設計試行部１２２は、コンピュータシステムの設計を試行し、設計の開始から終了に至るまでの過程で得られた構成を収集する。

【0051】

具体化成功判定部１２３は、設計試行部１２２の設計結果である構成に含まれる各構成要素が、要件に沿って完全に具体化されているか否か判定する。報酬生成部１２４は、具体化成功判定部１２３による判定の結果に基づき、収集された各構成に含まれる各構成要素に与えるべき報酬を算出する。

【0052】

学習データ生成部１２５は、収集された構成毎に、当該構成と、当該構成について算出された各構成要素に与えるべき報酬とを、学習データとして生成する。機械学習部１２６は、生成された学習データを用いて、構成要素が完全に具体化できるか否かの見込みを表す評価値を、構成要素評価部１１１が用いる学習モデルに学習させる。

【0053】

［装置動作］
次に、実施の形態１におけるシステム構成評価装置１の動作の一例について図３～図１０を用いて説明する。以下の説明においては、適宜図１及び図２を参照する。また、実施の形態１では、システム構成評価装置１を動作させることによって、システム構成評価方法が実施される。よって、実施の形態１において、システム構成評価方法の説明は、以下のシステム構成評価装置の動作説明に代える。

【0054】

実施の形態１において、システム構成評価装置１の動作としては、大きく分類して二つの動作がある。それは、１つは構成評価の学習動作であり、もう１つは構成評価動作である。構成評価の学習動作では、システム構成評価装置１は、コンピュータシステム（ＩＣＴシステム）の構成の評価を行うため、コンピュータシステムの各構成要素単位の評価について学習モデルの学習を行う。構成評価動作では、システム構成評価装置１は、学習済の学習モデルを活用し、コンピュータシステム構成の評価を行う。以降、それぞれについて説明する。

【0055】

図３を参照して、システム構成評価装置１における構成評価の学習動作Ｓ１について詳細に説明する。まず、学習工程制御部１２１が、学習対象のシステム要件Ｒ１を入力として受け取る（ステップＳ１１）。

【0056】

次に、構成要素学習部１２が、システム要件Ｒ１を用いて強化学習を適当な期間行う（ステップＳ１２）。適当な期間は、学習時間、学習回数、例えばニューラルネットワークを用いた強化学習の場合はニューラルネットワークの重みの更新回数等に基づき決定されるのが良いが、これら以外に基づいて決定されても良い。

【0057】

さらに、設計試行部１２２が、現在の学習モデル（例えばニューラルネットワークを用いた強化学習の場合はニューラルネットワーク）を用いて、システム要件Ｒ１の設計を試みる（ステップＳ１３）。この場合の設計方法としては、例えば、特許文献１に開示された設計方法が挙げられる。但し、実施の形態において、設計方法は特に限定されない。

【0058】

そして、学習工程制御部１２１が、ステップＳ１３の結果に基づき、学習が十分であるか否か判断する（ステップＳ１４）。ステップＳ１４における判断の方法は、ステップＳ１３での設計方法に依存する。例えば、特許文献１に開示された設計方法によってステップＳ１３が実施されているとする。この場合、設計における探索のステップ数が一定以下であった場合に十分だと判断する方法、過去に実行されたステップＳ１３での設計において、規定の回数連続で探索のステップ数が一定以下だった場合に十分だと判断する方法が挙げられる。但し、実施の形態において、ステップＳ１４における判断の方法は特に限定されない。

【0059】

ステップＳ１４の判断の結果、学習が十分でない場合は、ステップＳ１２及びＳ１３が再度実行される。一方、ステップＳ１４の判断の結果、学習が十分である場合は、学習動作Ｓ１は終了する。

【0060】

図４を参照して、強化学習を行うステップＳ１２の動作について詳細に説明する。ここで説明する動作は、システムの機能要件に関する設計方法を学習するための動作の一例である。ステップＳ１２における動作は、システムの機能要件に関する設計方法の学習が実現されるのであれば、ここに記載するものに限定されない。また、設計方法としては、上述したように、例えば特許文献１に開示された設計方法が挙げられるが、これに限定されるものではない。

【0061】

図４に示すように、まず、設計試行部１２２が、システム要件Ｒ１を用いて設計の試行を行い、構成パスＣＰ１を生成する（ステップＳ１２１）。そして、学習データ生成部１２５が、学習データを生成する（ステップＳ１２２）。次に、設計試行部１２２は、ステップＳ１２１～Ｓ１２２が規定の回数繰り返されているかどうかを判定する（ステップＳ１２３）。

【0062】

ここでいう規定の回数は、学習データのサイズ、１回の繰り返しで生成できる学習データの数、学習に利用するマシンのスペック等に基づいて、適宜決定される。なお、実施の形態では、これら以外に基づいて決定されていても良い。

【0063】

ステップＳ１２３の判定の結果、ステップＳ１２１～Ｓ１２２が規定の回数繰り返されていない場合は、設計試行部１２２は、再度ステップＳ１２１を実行する。一方、ステップＳ１２３の判定の結果、ステップＳ１２１～Ｓ１２２が規定の回数繰り返されている場合は、機械学習部１２６が、学習データを用いて、学習モデルの機械学習を実行する（ステップＳ１２４）。

【0064】

次に、機械学習部１２６は、学習が終了しているかどうか、即ち、学習が適当な期間行われたかどうかを判定する（ステップＳ１２５）。ステップＳ１２５の判定の結果、学習が終了していない場合は、再度ステップＳ１２１～Ｓ１２４が実行される。一方、ステップＳ１２５の判定の結果、学習が終了している場合は、ステップＳ１２は終了する。

【0065】

ここでいう適当な期間は、学習時間、学習回数、例えばニューラルネットワークを利用した強化学習の場合は、ニューラルネットワークの重みの更新回数等に基づき決定されるのが良い。但し、実施の形態１では、適当な期間は、これら以外に基づいて決定されても良い。

【0066】

図５を参照して、構成パスを生成するステップＳ１２１の動作について詳細に説明する。ステップＳ１２１の動作主体は、特に言及がない限り設計試行部１２２である。まず、設計試行部１２２は、システム要件Ｒ１を、現在の構成を表す変数に代入する（ステップＡ１１）。以降、現在の構成を表す変数に代入されている内容を、単に「現在構成」と表記する。

【0067】

次に、設計試行部１２２は、現在構成のみを内容として含むリスト型のデータ構造の変数として、構成パスＣＰ１を初期化する（ステップＡ１２）。構成パスＣＰ１は、学習データを生成するために行った設計の試行の結果として得られる、設計中の構成の過程を保持する変数である。なお、ここでは一例として構成パスＣＰ１のデータ構造をリスト型としているが、同種の内容物を順序が定まる形で複数格納することが可能なデータ構造であれば、リスト型以外のデータ構造でもよい。

【0068】

さらに、設計試行部１２２は、現在の構成から１回の具体化規則の適用で生成可能な構成を全て列挙する（ステップＡ１３）。そして、設計試行部１２２は、ステップＡ１３で列挙した各構成を、構成総合評価部１１２に入力し、構成評価を行う（ステップＡ１４）。構成評価の動作Ｔ１の詳細は後述する。

【0069】

次に、設計試行部１２２は、ステップＡ１４の処理によって構成評価がなされた各構成のうち、評価値が最も高いものを、現在の構成を表す変数に代入する（ステップＡ１５）。さらに、設計試行部１２２は、現在構成を構成パスＣＰ１の末尾に追加する（ステップＡ１６）。

【0070】

次に、設計試行部１２２は、現在の構成に対して具体化規則を適用できるかどうかを判定する（ステップＡ１７）。ステップＡ１７の判定の結果、具体化規則を適用できる場合は、設計試行部１２２は、ステップＡ１３～Ａ１６を再度実行する。一方、ステップＡ１７の判定の結果、具体化規則を適用できない場合は、ステップＳ１２１は終了する。

【0071】

ここで、構成パスＣＰ１の例を図３６に示す。図３６は、上述したステップＳ１２１の動作により、図３０に示した設計が分岐する状態であって、図３０に示した（ａ）＝＞（ｂ）＝＞・・・＝＞（ｆ）という順で構成パスＣＰ１が生成される例を示している。

【0072】

図６を参照して、学習データを生成するステップＳ１２２の動作について詳細に説明する。ステップＳ１２２の動作主体は、特に言及がない限り報酬生成部１２４である。以降、ステップＳ１２１終了時点での現在構成のことを「最終構成」と表記する。

【0073】

まず、具体化成功判定部１２３が、最終構成に含まれる各構成要素が「完全に具体的」であるか否か判定する（ステップＢ１１）。構成要素が「完全に具体的」であることの定義およびその判定方法の詳細は後述する。

【0074】

次に、報酬生成部１２４は、構成パスＣＰＩに、以前のステップＢ１２Ｙで選択されていない構成が残っているかどうかを判定する（ステップＢ１２Ｘ）。ステップＢ１２Ｘの判定の結果、構成パスＣＰＩに構成が残っていない場合は、ステップＳ１２２は終了する。

【0075】

一方、ステップＢ１２Ｘの判定の結果、構成パスＣＰＩに構成が残っている場合は、報酬生成部１２４は、残っている各構成について、末尾から順に以下で説明するステップＢ１２Ｙ～Ｂ１Ｃの動作を行う。

【0076】

具体的には、まず、報酬生成部１２４は、以前に実行されたステップＢ１２Ｙで選択されていない構成のうち、構成パスＣＰ１で最も後ろにある構成を選択する（ステップＢ１２Ｙ）。次に、報酬生成部１２４は、ステップＢ１２Ｙで選択した構成が探索木Ｔ１のノードとして登録されているかどうかを判定する（ステップＢ１３）。

【0077】

ステップＢ１３の判定の結果、ステップＢ１２Ｙで選択した構成が探索木Ｔ１のノードとして登録されていなければ（ステップＢ１３：Ｎｏ）、報酬生成部１２４は、以下で説明するステップＢ１４～Ｂ１６の動作を行う。

【0078】

まず、報酬生成部１２４は、ステップＢ１２で処理中の構成を、探索木Ｔ１のノードとして登録する（ステップＢ１４）。探索木Ｔ１は、構成がどの部品を具体化した際にいくら報酬を得られたかを保存しておく木構造のデータ構造である。

【0079】

次に、報酬生成部１２４は、ステップＢ１４で登録したノードの変数として、ノードが探索で訪問された回数を表す変数を初期値１に初期化する（ステップＢ１５）。以降、変数及びその内容のことを、単に「訪問回数」と表記する。

【0080】

さらに、報酬生成部１２４は、ノードが持つ変数として、辞書型の変数を初期化する（ステップＢ１６）。辞書型の変数は、ステップＢ１２で処理中の構成に含まれる各構成要素が、設計の結果として「完全に具体的」になった回数を構成要素毎に保存する変数である。また、辞書型の変数は、構成要素の識別子をキー、構成要素が「完全に具体的」になった回数をバリューとして持つ辞書型の変数でもある。

【0081】

初期化の結果として、各バリューは全て０に設定される。以降、辞書型の変数によって、ある構成要素の識別子をキーとして取得できるバリューの値は、構成要素の「具体化成功回数」と表記される。なお、ここでは一例として辞書型の変数としているが、ステップＢ１２で処理中の構成に含まれる各構成要素が、設計の結果として「完全に具体的」になった回数を構成要素毎に保存できるデータ構造であれば、辞書型以外のデータ構造でもよい。ステップＢ１６の後はステップＢ１８Ｘが実行される。

【0082】

一方、ステップＢ１３の判定の結果、ステップＢ１２Ｙで選択した構成が探索木Ｔ１のノードとして登録されていれば（ステップＢ１３：Ｙｅｓ）、報酬生成部１２４は、ノードの訪問回数を１増やす（ステップＢ１７）。ステップＢ１６の後はステップＢ１８Ｘが実行される。

【0083】

次に、報酬生成部１２４は、構成パスＣＰＩに、ステップＢ１２Ｙで選択した構成に、以前のステップＢ１８Ｙで選んでいない構成要素が未だ残っているかどうかを判定する（ステップＢ１８Ｘ）。ステップＢ１８Ｘの判定の結果、構成要素が未だ残っている場合は、報酬生成部１２４は、以下で説明するＢ１８Ｙ～Ｂ１Ｂの処理を実行する。

【0084】

まず、報酬生成部１２４は、ステップＢ１２Ｙで選択した構成に含まれる構成要素から一つの構成要素を選択する（ステップＢ１８Ｙ）。次に、報酬生成部１２４は、ステップＢ１８Ｙで選択した構成要素が最終構成で「完全に具体的」であるかどうかを判定する（ステップＢ１９）。

【0085】

ステップＢ１９の判定の結果、ステップＢ１８Ｙで選択した構成要素が最終構成で「完全に具体的」である場合は（ステップＢ１９：Ｙｅｓ）、報酬生成部１２４は、ステップＢ１２Ｙで選んだ構成のノードが持つ前記構成要素の具体化成功回数を１増やす（ステップＢ１Ａ）。

【0086】

一方、ステップＢ１９の判定の結果、ステップＢ１８Ｙで選択した構成要素が最終構成で「完全に具体的」でない場合は（ステップＢ１９：Ｎｏ）、報酬生成部１２４は、ステップＢ１Ｂを実行する。つまり、報酬生成部１２４は、ステップＢ１８Ｙで選んだ構成要素の具体化成功回数の値を、ステップＢ１２Ｙで選んだ構成のノードの訪問回数で除算し、得られた値を、前記構成要素の報酬とする（ステップＢ１Ｂ）。その後、報酬生成部１２４は、再度、ステップＢ１８Ｘを実行する。

【0087】

また、ステップＢ１８Ｘの判定の結果、構成要素が残っていない場合は、学習データ生成部１２５が、ステップＢ１２Ｙで選んだ構成に含まれる構成要素毎に、その構成と、その構成要素の識別子と、ステップＢ１Ｂで生成したその構成要素の報酬と、から成る学習データを生成して、学習データの集合に追加する（ステップＢ１Ｃ）。

【0088】

ここで、探索木Ｔ１の例を図３７に示す。図３７は、上述したステップＳ１２２の動作により、図３０に示した設計が分岐する過程で生成される構成の一例を示している。図３７において、ノードに添えられている文字は、そのノードが表す図３０中の構成を意味する。図３８の例では、構成（ｃ）を表すノードにおいて、それが保持している、訪問回数（１０回）と、構成（ｃ）に含まれる構成要素が「完全に具体化」された回数（それぞれｓ１が７回、ｂ１が４回、ａ１が５回、ａ２が６回）と、の情報が示されている。図３８には示されていないが、構成（ｃ）以外のノード（ａ）～（ｇ）についても同様に、訪問回数と、当該構成に含まれる「完全に具体化」された回数と、の情報を保持している。

【0089】

構成要素が「完全に具体的」であるか否か判定するステップＢ１１の動作について詳細に説明するのに先立ち、構成要素が「完全に具体的」である条件について概念的に説明する。構成要素が「完全に具体的」であるとは、構成要素がそれに必要なその他の全ての構成要素も含めて具体的であることである。

【0090】

ここで、構成要素が「具体的」であることの条件は、以下で説明する二つの条件を満たすことである。一つ目の条件は、構成要素の型が具体的な型であることである。二つ目の条件は、構成要素の型に期待周辺構成が存在しない、又は、構成要素の型に期待周辺構成が存在し、構成要素の期待周辺構成が満たされているあることである。

【0091】

構成要素が「完全に具体的」であることの厳密な条件は、以下に示す二つの条件により再帰的に定義される。一つ目の条件は、構成要素が具体的であること。二つ目の条件は、構成要素の型に期待周辺構成が存在し、期待周辺構成が構成要素に適用済みである場合に、期待周辺構成に登場する全ての構成要素が「完全に具体的」であることである。

【0092】

これらを踏まえ、図７を参照して、構成要素が「完全に具体的」であるか否か判定するステップＢ１１の動作について詳細に説明する。ステップＢ１１の動作主体は、特に言及がない限り具体化成功判定部１２３である。ステップＢ１１は、次に説明する、一つの構成要素と一つの構成を引数とする再帰的な手続きとして定義される。

【0093】

まず、具体化成功判定部１２３は、引数の構成要素の型に期待周辺構成が存在しているかどうかを判定する（ステップＢ１１１）。ステップＢ１１１の判定の結果、引数の構成要素の型に期待周辺構成が存在していない場合（ステップＢ１１１：Ｎｏ）、具体化成功判定部１２３は、Ｔｒｕｅを返し（ステップＢ１１２）、ステップＢ１１を終了する。

【0094】

一方、ステップＢ１１１の判定の結果、引数の構成要素の型に期待周辺構成が存在する場合（ステップＢ１１１：Ｙｅｓ）、具体化成功判定部１２３は、引数の構成要素の期待周辺構成が満たされているかどうかを判定する（ステップＢ１１３）。

【0095】

ステップＢ１１３の判定の結果、引数の構成要素の期待周辺構成が満たされていなければ（ステップＢ１１３：Ｎｏ）、具体化成功判定部１２３は、Ｆａｌｓｅを返し（ステップＢ１１４）、ステップＢ１１を終了する。

【0096】

一方、ステップＢ１１３の判定の結果、引数の構成要素の期待周辺構成が満たされていれば（ステップＢ１１３：Ｙｅｓ）、具体化成功判定部１２３は、引数の構成の中に存在する引数の構成要素の期待周辺構成を全て列挙する（ステップＢ１１５）。

【0097】

次に、具体化成功判定部１２３は、以前実行されたステップＢ１１６Ｙで選択されていない期待周辺構成がまだ存在しているかどうかを判定する（ステップＢ１１６Ｘ）。ステップＢ１１６Ｘの判定の結果、選択されていない期待周辺構成がまだ存在している場合は、具体化成功判定部１２３は、以下で説明するステップＢ１１６Ｙ～Ｂ１１Ｄの動作を行う。

【0098】

まず、具体化成功判定部１２３は、ステップＢ１１５で列挙した期待周辺構成から一つを選択する（ステップＢ１１６Ｙ）。次に、具体化成功判定部１２３は、フラグ変数にＴｒｕｅを代入する（ステップＢ１１７）。

【0099】

更に、具体化成功判定部１２３は、ステップＢ１１６Ｙで選んだ期待周辺構成に未処理の構成要素が存在しているかどうかを判定する（ステップＢ１１８Ｘ）。ステップＢ１１８Ｘの判定の結果、ステップＢ１１６Ｙで選んだ期待周辺構成に未処理の構成要素が存在していない場合は、具体化成功判定部１２３は、ステップＢ１１Ｃを実行する。

【0100】

一方、ステップＢ１１８Ｘの判定の結果、ステップＢ１１６Ｙで選んだ期待周辺構成に未処理の構成要素が存在している場合は、具体化成功判定部１２３は、以下で説明するステップＢ１１８Ｙ～Ｂ１１Ｂの動作を行う。

【0101】

まず、具体化成功判定部１２３は、ステップＢ１１６Ｙで選んだ期待周辺構成に含まれる各構成要素から一つの構成要素を選択する（ステップＢ１１８Ｙ）。次に、具体化成功判定部１２３は、ステップＢ１１８Ｙで選んだ構成要素と、ステップＢ１１の引数の構成と、を引数としてステップＢ１１の再帰手続きを行う（ステップＢ１１９）。

【0102】

次に、具体化成功判定部１２３は、ステップＢ１１９の返り値がＴｒｕｅであるかどうかを判定する（ステップＢ１１Ａ）。ステップＢ１１Ａの判定の結果、ステップＢ１１９の返り値がＴｒｕｅだった場合（ステップＢ１１Ａ：Ｙｅｓ）、具体化成功判定部１２３は、ステップＢ１１８Ｘを再度実行する。

【0103】

一方、ステップＢ１１Ａの判定の結果、返り値がＦａｌｓｅだった場合（ステップＢ１１Ａ：Ｎｏ）、具体化成功判定部１２３は、フラグ変数にＦａｌｓｅを代入する（ステップＢ１１Ｂ）。

【0104】

次に、ステップＢ１１Ｂの実行後、又はステップＢ１１８ＸでＮｏの場合は、具体化成功判定部１２３は、フラグ変数の内容がＴｒｕｅであるかどうかを判定する（ステップＢ１１Ｃ）。ステップＢ１１Ｃの判定の結果、フラグ変数の内容がＴｒｕｅである場合（ステップＢ１１Ｃ：Ｙｅｓ）、具体化成功判定部１２３は、Ｔｒｕｅを返し（ステップＢ１１Ｄ）、ステップＢ１１の動作を終了する。

【0105】

一方、ステップＢ１１Ｃの判定の結果、フラグ変数の内容がＦａｌｓｅだった場合（ステップＢ１１Ｃ：Ｎｏ）、具体化成功判定部１２３は、ステップＢ１１６Ｘを再度実行する。

【0106】

また、ステップＢ１１６Ｘの判定の結果、選択されていない期待周辺構成が存在していない場合は、具体化成功判定部１２３は、全ての期待周辺構成の処理が終了しているので、Ｆａｌｓｅを返し（ステップＢ１１４）、ステップＢ１１の動作を終了する。

【0107】

図８を参照して、学習データに基づき学習を行うステップＳ１２４の動作について詳細に説明する。ステップＳ１２４の動作主体は、特に言及がない限り機械学習部１２６である。構成要素評価部１１１の学習モデルは、グラフ内の各ノードおよびエッジと、グラフ自身が属性値を持つグラフ情報とを入力とし、同様の形式のグラフ情報を出力するＧＮＮ（Ｇｒａｐｈ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）とする。

【0108】

最初に、機械学習部１２６は、ステップＳ１２２で保存した学習データの集合から、一つの学習データＬＤ１を選出する（ステップＣ１１）。そして、機械学習部１２６は、学習データＬＤ１に含まれる構成を表すグラフ情報を構成要素評価部１１１の学習モデルに入力し、結果として構成要素評価部１１１の学習モデルから出力されるグラフ情報をＯＧ１とする（ステップＣ１２）。

【0109】

次に、機械学習部１２６は、ＯＧ１に含まれる構成要素のうち、学習データＬＤ１に含まれる構成要素の識別子と同一の識別子を持つ構成要素の属性値ＰＶ１と、学習データＬＤ１に含まれる報酬と、の組をＶＰ１とする（ステップＣ１３）。

【0110】

次に、機械学習部１２６は、学習データの集合から学習データを全て選出したかどうかを判定する（ステップＣ１４）。ステップＣ１４の結果、学習データの集合から学習データを全て選出していない場合は（ステップＣ１４：Ｙｅｓ）、機械学習部１２６は、再度ステップＣ１１からＣ１３を実行する。

【0111】

一方、ステップＣ１４の判定の結果、学習データの集合から学習データを全て選出している場合は（ステップＣ１４：Ｎｏ）、機械学習部１２６は、学習データに含まれる全てのデータについて、ＶＰ１を生成し、これを集めたものをＶＰＳ１とする（ステップＣ１５）。

【0112】

更に、機械学習部１２６は、ＶＰＳ１に含まれる各ペアについて、属性値と確定報酬の平均二乗誤差とを損失関数とし、その損失関数を最小化するよう、構成要素評価部１１１の学習モデルの機械学習を実行する（ステップＣ１６）。

【0113】

図９を参照して、学習の過程で設計の試行を行うステップＳ１３の動作について詳細に説明する。ステップＳ１３の動作主体は、特に言及がない限り、設計試行部１２２である。

【0114】

まず、設計試行部１２２は、システム要件Ｒ１を、現在の構成を表す変数に代入する（ステップＳ１３１）。以降、現在の構成を表す変数に代入されている内容を、単に「現在構成」と表記する。そして、設計試行部１２２は、次に現在の構成を表す変数に代入される構成の候補を格納する変数ＮＬ１を空のリストとして初期化する（ステップＳ１３２）。

【0115】

次に、設計試行部１２２は、現在の構成に具体化規則を適用できるかどうかを判定する（ステップＳ１３７）。ステップＳ１３７の判定の結果、現在の構成に具体化規則を適用できない場合は、後述するステップＳ１３８が実行される。
一方、ステップＳ１３７の判定の結果、現在の構成に具体化規則を適用できる場合は、設計試行部１２２は、現在の構成から１回の具体化規則の適用で生成可能な構成を全て列挙する（ステップＳ１３３）。

【0116】

さらに、設計試行部１２２は、ステップＳ１３３で列挙した各構成を、構成総合評価部１１２に入力し、その構成評価を行う（ステップＳ１３４）。構成評価の動作Ｔ１の詳細は後述する。そして、設計試行部１２２は、ステップＳ１３４の処理により得られた各構成のうち、評価値が最も高いものを、現在の構成を表す変数に代入する（ステップＳ１３５）。

【0117】

次に、ステップＳ１３３で列挙した構成のうち、ステップＳ１３５で現在の構成を表す変数に代入した構成以外の各構成について、その構成と、ステップＳ１３４で得られたその構成の評価値と、から成るペアを、変数ＮＬ１が格納するリストに追加する（ステップＳ１３６）。

【0118】

ステップＳ１３６の実行後、設計試行部１２２は、再度ステップＳ１３７を実行する。ステップＳ１３７の判定の結果、現在の構成に具体化規則を適用できる場合は、設計試行部１２２は、再度ステップＳ１３３を実行する。

【0119】

一方、ステップＳ１３７の判定の結果、現在の構成に具体化規則を適用できない場合は、設計試行部１２２は、現在構成が具体構成であるかどうかを判定する（ステップＳ１３８）。ステップＳ１３８の判定の結果、現在構成が具体構成である場合は（ステップＳ１３８：Ｙｅｓ）、ステップＳ１３での動作は終了する。

【0120】

一方、ステップＳ１３８の判定の結果、現在構成が具体構成でない場合は（ステップＳ１３８：Ｎｏ）、設計試行部１２２は、変数ＮＬ１が格納するリストから、評価値が最も高いペアを取り出す（ステップＳ１３９）。次に、設計試行部１２２は、ステップＳ１３９で取り出したペアに含まれる構成を、現在の構成を表す変数に代入する（ステップＳ１３Ａ）。その後、設計試行部１２２は、再度、ステップＳ１３７に移行する。

【0121】

図１０を参照して、構成評価の動作Ｔ１について詳細に説明する。構成評価の動作Ｔ１の動作主体は、特に言及がない限り構成総合評価部１１２である。

【0122】

まず、図１０に示すように、構成総合評価部１１２は、評価対象の構成を入力として受け取る（ステップＴ１１）。次に、ステップＴ１１で入力として受け取った評価対象の構成を構成要素評価部１１１に入力し、入力した構成に含まれる各構成要素の評価値を得る（ステップＴ１２）。

【0123】

さらに、構成総合評価部１１２は、ステップＴ１２で得られた各構成要素の評価値のうち、最も値が小さいものを、評価対象の構成の評価値とする（ステップＴ１３）。ステップＴ１３において、評価値は、上述したように、構成要素が完全に具体化できるか否かの見込みを表している。なお、評価値の決定手法は、上述したステップＴ１３には特に限定されない。評価対象の構成の評価値としては、各構成要素の評価値の平均値が用いられても良いし、各構成要素の評価値の最大値が用いられても良い。

【0124】

［効果の説明］
実施の形態１においては、システム構成全体の設計の成否の見込みではなく、各構成要素の具体化の成否の見込みが学習される。つまり、各構成要素の具体化の成否に応じて報酬が生成され、それに基づいて構成要素毎に具体化が正しく完了する見込みを表す評価値が学習される。
この結果、構成要素単位の学習が可能になり、構成の一部が変更された際にその影響が分からず学習内容が応用できないという問題が解消され、全体の構成が変わっても構成要素単位での応用が可能になる。また、学習に必要なデータ量及び時間が構成の規模に応じて増大してしまいスケーラブルでないという問題も解消決され、ＩＣＴシステムの自動設計の学習効率が向上する。

【0125】

［プログラム］
実施の形態１において、プログラムは、コンピュータに、図３～図１０に示す各ステップを実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、システム構成評価装置１とシステム構成評価方法とを実現することができる。この場合、コンピュータのプロセッサは、構成評価部１１及び構成要素学習部１２として機能し、処理を行なう。コンピュータとしては、汎用のＰＣの他に、スマートフォン、タブレット型端末装置が挙げられる。

【0126】

また、プログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、１又は複数のコンピュータが、構成評価部１１及び構成要素学習部１２のいずれかとして機能しても良い。

【0127】

（実施の形態２）
次に実施の形態２における、システム構成評価装置、システム構成評価方法、及びプログラムについて、図１１～図２２を参照しながら説明する。

【0128】

実施の形態２では、カリキュラム学習が行われる。カリキュラム学習とは、学習したい大きな問題を小さな問題に分割し、それらを適切な順序で学習することで効率的に学習する手法である。実施の形態２では、構成全体を設計するという大きな問題を、構成に含まれる構成要素をそれぞれ具体化するという小さな問題に分割し、それらを適切な順番で学習することが行われる。以下においては、実施の形態１と同様の部分については、適宜省略する。

【0129】

［装置構成］
最初に、実施の形態２におけるシステム構成評価装置の構成について図１１を用いて説明する。図１１は、システム構成評価装置の一例の構成を示す構成図である

【0130】

図１１に示すように、システム構成評価装置２は、構成評価部２１と、構成要素学習部２２と、を備える。更に、構成評価部２１は、構成要素評価部１１１と、構成総合評価部１１２と、を備える。構成要素学習部２２は、学習工程制御部２２１と、設計試行部１２２と、具体化成功判定部１２３と、報酬生成部１２４と、学習データ生成部１２５と、機械学習部１２６と、カリキュラム生成部２２７と、を備える。各部は、それぞれ概略次のように動作する。

【0131】

構成要素評価部１１１、構成総合評価部１１２、設計試行部１２２、具体化成功判定部１２３、報酬生成部１２４、学習データ生成部１２５、及び機械学習部１２６、それぞれの動作の概略は、実施の形態１で説明した各部の動作と同様である。

【0132】

但し、実施の形態２では、上述したように、構成要素学習部２２が、カリキュラム生成部２２７を備えており、この点で、実施の形態２は実施の形態１と異なっている。また、これに伴い、学習工程制御部２２１の動作も異なる。

【0133】

カリキュラム生成部２２７は、特定の構成要素と、それを具体化するのに必要となる別の構成要素と、の関係性を表す依存関係に基づいて、依存関係がない構成要素および依存関係にある構成要素について学習が完了した構成要素の順に学習が行われるように、カリキュラムを生成する。

【0134】

学習工程制御部２２１は、カリキュラム生成部が生成したカリキュラムに従って、学習工程の実行を制御して、学習モデルに対する機械学習を実行する。この場合の学習工程には、大きく分類して初期学習と再学習との二種類がある。これらの詳細については後述する。

【0135】

［装置動作］
次に、実施の形態２におけるシステム構成評価装置２の動作の一例について図１２から図２２を用いて説明する。以下の説明においては、適宜図１１を参照する。また、実施の形態２では、システム構成評価装置２を動作させることによって、システム構成評価方法が実施される。よって、実施の形態２において、システム構成評価方法の説明は、以下のシステム構成評価装置の動作説明に代える。

【0136】

実施の形態２においては、大きく分類して三つの動作がある。それは、構成評価の初期学習の動作と、構成評価の再学習の動作と、構成評価の動作との三つである。構成評価の初期学習の動作では、コンピュータシステム、具体的にはＩＣＴシステムのシステム構成の評価を行うため、ＩＣＴシステムの各構成要素単位の評価について、過去に学習が行われていない学習モデルの学習が行われる。構成評価の再学習では、ＩＣＴシステムの各構成要素単位の評価について、過去に学習済の学習モデルの学習が行われる。構成評価の動作では、学習済の学習モデルが活用されて、ＩＣＴシステムのシステム構成の評価が行われる。以降、それぞれについて説明する。

【0137】

図１２を参照して、システム構成評価装置２における構成評価の初期学習の動作Ｕ２について詳細に説明する。

【0138】

まず、図１２に示すように、カリキュラム生成部２２７が依存グラフを生成する（ステップＵ２１）。次に、カリキュラム生成部２２７がカリキュラムを生成する（ステップＵ２２）。カリキュラムはグラフ構造を呈しており、カリキュラム中のノードを学習項目と呼ぶ。

【0139】

次に、カリキュラム生成部２２７が、カリキュラム中の各学習項目の学習完了フラグを未完了に設定する（ステップＵ２３）。そして、カリキュラム生成部２２７は、カリキュラム中の学習完了フラグが未完了である学習項目があるかどうかを判定する（ステップＵ２４Ｘ）。ステップＵ２４Ｘの判定の結果、カリキュラム中の学習完了フラグが未完了である各学習項目が存在しない場合は、動作Ｕ２は終了する。

【0140】

一方、ステップＵ２４Ｘの判定の結果、カリキュラム中の学習完了フラグが未完了である各学習項目が存在する場合は、カリキュラム生成部２２７は、以下で説明するステップＵ２５～Ｕ２７の動作を行う。

【0141】

まず、学習工程制御部２２１が、依存先がない、又は全ての依存先の学習完了フラグが完了になっている学習項目を、カリキュラムから一つ選ぶ（ステップＵ２４Ｙ）。次に、カリキュラム生成部２２７が、ステップＵ２４Ｙで選んだ学習項目を学習するための要件の集合を生成する（ステップＵ２５）。

【0142】

さらに、構成要素学習部２２が、ステップＵ２５で生成した要件の集合を用いて、ステップＵ２４Ｙで選んだ学習項目を学習する（ステップＵ２６）。そして、学習工程制御部２２１が、ステップＵ２４Ｙで選んだ学習項目の学習完了型フラグを完了に設定する（ステップＵ２７）。その後、学習工程制御部２２１は、再度ステップＵ２４Ｘを実行する。

【0143】

ここで、依存グラフを生成する動作Ｕ２１について説明するのに先立ち、依存グラフについて説明する。依存グラフとは、構成要素の型の依存関係を表すグラフ構造の情報である。構成要素型がノード、前記構成要素型間の依存関係が有向エッジで表される。依存グラフにおける依存関係とは、ある型の構成要素がシステム構成の中で正しく機能するために必要となるその他の構成要素の型を表す関係性のことである。

【0144】

例えば、ある構成要素型ＥＴ＿Ｘの期待周辺構成である前提構成情報又は必須構成情報に、構成要素型ＥＴ＿Ｙが含まれている場合、型ＥＴ＿Ｙの構成要素は型ＥＴ＿Ｘの構成要素が機能するために必要である。このとき、型ＥＴ＿Ｘおよび型ＥＴ＿Ｙの間には依存関係があり、型ＥＴ＿Ｘは型ＥＴ＿Ｙに依存すると表現する。

【0145】

ある構成要素型のノードから、構成要素型が依存しているその他の構成要素型のノードに向けて、有向エッジが引かれる。先程の例では、型ＥＴ＿Ｘのノードから型ＥＴ＿Ｙのノードに向けて有向エッジが引かれる。

【0146】

図３４は依存グラフの例を示す。図３４において、ノードに添えられている文字は、当該ノードが表す構成要素型の名前を表す。図３４に含まれる全ての構成要素型についての説明は省略するが、例えば構成要素型ｃに着目した場合、構成要素型ｃは構成要素型ｄおよびｆに依存しており、構成要素型ａおよびｇから依存されている。

【0147】

図１３を参照して、依存グラフを生成するステップＵ２１について詳細に説明する。ステップＵ２１の動作主体は、特に言及がない限りカリキュラム生成部２２７である。

【0148】

まず、図１３に示すように、カリキュラム生成部２２７は、構成要素型定義情報に定義されている全ての構成要素型について、その型を表すノードを依存グラフに登録する（ステップＵ２１１）。

【0149】

次に、カリキュラム生成部２２７は、依存グラフに登録されている各ノードの中に後述のステップＵ２１２Ｙによって未だ選択されていないノードがあるかどうかを判定する（ステップＵ２１２Ｘ）。ステップＵ２１２Ｘの判定の結果、未だ選択されていないノードがない場合は、ステップＵ２１は終了する。一方、ステップＵ２１２Ｘの判定の結果、未だ選択されていないノードがある場合は、カリキュラム生成部２２７は、以下に説明するステップＵ２１２Ｙ～Ｕ２１９の動作を行う（ステップＵ２１２Ｘ）。

【0150】

まず、カリキュラム生成部２２７は、依存グラフに登録されている全ノードから、未だ選択されていないノードを１つ選択する（ステップＵ２１２Ｙ）。次に、カリキュラム生成部２２７は、ステップＵ２１２Ｙで選択したノードが表す構成要素型ＥＴ１が依存する構成要素型の集合を格納する変数ＴＳ１を、ステップＵ２１２Ｙで選んだノードに変数として持たせ空集合として初期化する（ステップＵ２１３）。

【0151】

さらに、カリキュラム生成部２２７は、具体化規則定義情報に定義されている具体化規則から、構成要素型ＥＴ１を具体化対象とする具体化規則を全て列挙する（ステップＵ２１４）。そして、カリキュラム生成部２２７は、具体化規則がまだあるかどうかを判定する（ステップＵ２１５Ｘ）。

【0152】

ステップＵ２１５Ｘの判定の結果、具体化規則はない場合は、カリキュラム生成部２２７は、再度ステップＵ２１２Ｘを実行する。一方、ステップＵ２１５Ｘの判定の結果、具体化規則がまだある場合は、カリキュラム生成部２２７は、ステップＵ２１４で列挙した各具体化規則について、以下で説明するステップＵ２１５Ｙ～Ｕ２１９の動作を行う（ステップＵ２１５Ｘ）。

【0153】

まず、カリキュラム生成部２２７は、ステップＵ２１４で列挙した具体化規則から一つ選ぶ（ステップＵ２１５Ｙ）。次に、カリキュラム生成部２２７は、ステップＵ２１５Ｙで選んだ具体化規則の具体化後の構成に含まれる構成要素のうち、ステップＵ２１５Ｙで選んだ具体化規則の具体化対象の構成要素と識別子が等しい、構成要素の構成要素型ＥＴ２が、構成要素型ＥＴ１と同じであるかどうかを判定する（ステップＵ２１６）。

【0154】

ステップＵ２１６の判定の結果、構成要素型ＥＴ２が構成要素型ＥＴ１と同じでない場合は（ステップＵ２１６：Ｎｏ）、カリキュラム生成部２２７は、変数ＴＳ１が格納する集合の要素として構成要素型ＥＴ２を追加する（ステップＵ２１７）。

【0155】

次に、カリキュラム生成部２２７は、依存グラフに登録されている、構成要素型ＥＴ２を表すノードに向けて、ステップＵ２１２Ｙで選んだノードからエッジを引く（ステップＵ２１８）。さらに、カリキュラム生成部２２７は、ステップＵ２１８で引いたエッジの期待周辺構成フラグをＦａｌｓｅに設定する（ステップＵ２１９）。その後、カリキュラム生成部２２７は、ステップＵ２１Ａを実行する。期待周辺構成フラグは、当該エッジが期待周辺構成に基づく依存関係を表すものか否かを表すフラグである。

【0156】

また、ステップＵ２１６の判定の結果、構成要素型ＥＴ２が構成要素型ＥＴ１と同じである場合（ステップＵ２１６：Ｙｅｓ）、又はステップＵ２１９が実行された場合は、カリキュラム生成部２２７は、ステップＵ２１Ａを実行する。

【0157】

具体的には、カリキュラム生成部２２７は、ステップＵ２１５Ｙで選んだ具体化規則の、具体化に必要な構成又は具体化後の構成に含まれる構成要素を全て列挙する（ステップＵ２１Ａ）。さらに、カリキュラム生成部２２７は、ステップＵ２１Ａで列挙した各構成要素の型を、変数ＴＳ１が格納する集合の要素として追加する（ステップＵ２１Ｂ）。

【0158】

そして、カリキュラム生成部２２７は、ステップＵ２１Ｂで変数ＴＳ１が格納する集合の要素として追加した各構成要素型について、依存グラフに登録されている各構成要素型を表す各ノードに向けて、ステップＵ２１２Ｙで選んだノードからエッジを引く（ステップＵ２１Ｃ）。次に、カリキュラム生成部２２７は、ステップＵ２１Ｃで引かれた各エッジについて、エッジの期待周辺構成フラグをＴｒｕｅに設定する（ステップＵ２１Ｄ）。

【0159】

カリキュラムを生成する動作Ｕ２２について説明するのに先立ち、カリキュラムについて説明する。カリキュラムとは、カリキュラム学習で行う個々の学習の半順序関係を表すグラフの情報である。グラフにおいて、学習項目がノード、学習項目間の依存関係が有向エッジとして表される。

【0160】

学習項目とは、カリキュラム学習で行う個々の学習のことであり、実施の形態では、学習項目は、学習の対象とする構成要素型の情報を少なくとも保持する。カリキュラムにおける依存関係とは、ある学習項目を学習するために事前に学習しておく必要のあるその他の学習項目を表す関係性のことである。

【0161】

例えば、ある学習項目ＬＴ＿Ｘにおける学習の対象が構成要素型ＥＴ＿Ｘであり、それとは別の学習項目ＬＴ＿Ｙにおける学習の対象が構成要素型ＥＴ＿Ｙであり、構成要素型ＥＴ＿Ｘは構成要素型ＥＴ＿Ｙに依存しているとする。この場合、構成要素型ＥＴ＿Ｘを用いた設計において、構成要素型ＥＴ＿Ｙが登場する可能性があるため、学習項目ＬＴ＿Ｙは学習項目ＬＴ＿Ｘよりも前に学習しておく必要がある。このとき、学習項目ＬＴ＿ＸとＬＴ＿Ｙの間には依存関係があり、学習項目ＬＴ＿Ｘは学習項目ＬＴ＿Ｙに依存すると表現する。

【0162】

ある学習項目のノードから、学習項目が依存しているその他の学習項目のノードに向けて、有向エッジが引かれる。先程の例では、学習項目ＬＴ＿Ｘのノードから学習項目ＬＴ＿Ｙのノードに向けて有向エッジが引かれる。なお、前述の説明から分かるとおり、学習項目間の依存関係は、学習項目のそれぞれの学習の対象である構成要素型の間に依存関係がある場合に限り成り立つ。このため、依存グラフとカリキュラムのグラフとは、基本的には同型となる。

【0163】

ただし、カリキュラムに巡回（グラフの中で有向エッジにより形成される閉路）が存在してしまうと、巡回に含まれる学習項目を学習する順番が決定できなくなってしまう。このため、カリキュラムは依存グラフから巡回を排除したグラフ、つまり各巡回に含まれるエッジの一部が削除されたグラフになっている。

【0164】

このような事情から、カリキュラムは依存グラフを基に生成される。図３４の依存グラフを基に生成したカリキュラムの例を図３５に示す。ノードに添えられている文字は、当該ノードが表す学習項目の学習の対象である構成要素型の名前を表す。図３５に含まれる全ての構成要素型についての説明は省略するが、例えば学習項目ｃに着目した場合、学習項目ｃは学習項目ｄおよびｆに依存しており、学習項目ａから依存されている。図３５に示すとおり、図３４の依存グラフに含まれていたノードｇからノードｃへの有向エッジが削除されており、図３４の依存グラフに含まれていたノードｃ＝＞ｄ＝＞ｇ＝＞ｃの巡回が排除されている。

【0165】

図１４を参照して、カリキュラムを生成するステップＵ２２の動作について詳細に説明する。ステップＵ２２の動作主体は、特に言及がない限りカリキュラム生成部２２７である。

【0166】

まず、図１４に示すように、カリキュラム生成部２２７は、ステップＵ２１で生成した依存グラフをコピーしてカリキュラムの初期値とする（ステップＵ２２１）。カリキュラムはグラフ構造をしており、カリキュラム中のノードを学習項目と呼ぶ。

【0167】

次に、カリキュラム生成部２２７は、カリキュラムに含まれるグラフの巡回構造（以降、単に「巡回」と表記する）を検出しリスト化する（ステップＵ２２２）。以降、リスト化した巡回のことを巡回リストと表記する。

【0168】

さらに、カリキュラム生成部２２７は、カリキュラムから、ステップＵ２２２で検出した各巡回に含まれるエッジを一時的に削除する（ステップＵ２２３）。そして、カリキュラム生成部２２７は、カリキュラム中の各学習項目について、学習項目の学習難易度を計算する（ステップＵ２２４）。

【0169】

次に、カリキュラム生成部２２７は、ステップＵ２２３でカリキュラムから一時的に削除したエッジをカリキュラムに復元する（ステップＵ２２５）。さらに、カリキュラム生成部２２７は、ステップＵ２２２でリスト化した巡回リストを、特定の順序にソートする（ステップＵ２２６）。

【0170】

そして、カリキュラム生成部２２７は、ステップＵ２２６でソートした巡回リストに含まれる各巡回について、前記巡回に含まれる特定の条件を満たすエッジを削除し巡回を解消する（ステップＵ２２７）。

【0171】

図１５を参照して、学習難易度の計算を行うステップＵ２２４の動作について詳細に説明する。ステップＵ２２４の動作主体は、特に言及がない限りカリキュラム生成部２２７である。

【0172】

まず、図１５に示すように、カリキュラム生成部２２７は、処理すべき学習項目があるかどうかを判定する（ステップＦ２１Ｘ）。ステップＦ２１Ｘの判定の結果、学習項目がない場合は、ステップＵ２２４は終了する。一方、ステップＦ２１Ｘの判定の結果、学習項目がある場合は、カリキュラム生成部２２７は、以下で説明するステップＦ２１Ｙ～Ｆ２４の動作を行う。

【0173】

まず、カリキュラム生成部２２７は、カリキュラムの中から、依存先がないか、又は依存先の学習難易度が全て計算済みの学習項目を一つ選択する（ステップＦ２１Ｙ）。次に、カリキュラム生成部２２７は、ステップＦ２１Ｙで選択した学習項目の依存先があるかどうかを判定する（ステップＦ２２）。

【0174】

ステップＦ２２の判定の結果、ステップＦ２１Ｙで選択した学習項目の依存先がない場合（ステップＦ２２：Ｎｏ）、カリキュラム生成部２２７は、学習項目の学習難易度を１に設定する（ステップＦ２３）。その後、カリキュラム生成部２２７は、再度ステップＦ２１Ｘを実行する。

【0175】

一方、ステップＦ２２の判定の結果、ステップＦ２１Ｙで選択した学習項目の依存先がある場合（ステップＦ２２：Ｙｅｓ）、カリキュラム生成部２２７は、依存先の各学習項目の学習難易度のうち、最も高い学習難易度に１を足した値を、ステップＦ２１Ｙで選んだ学習項目の学習難易度に設定する（ステップＦ２４）。

【0176】

ここで、図１４に示したステップＵ２２６で行う巡回のソートの方法について詳細に説明する。ステップＵ２２６の動作主体は、特に言及がない限りカリキュラム生成部２２７である。まず、カリキュラム生成部２２７は、各エッジが巡回に含まれる数ＣＣをカウントし、各巡回に含まれるエッジのＣＣの値のうち最大のものを前記巡回のソートに用いる値ＳＶ１とし、ＳＶ１の値が降順になるように巡回をソートする（ソート条件ＳＣ１）。

【0177】

ソート条件ＳＣ１で求めたソートに用いる値ＳＶ１が同一である場合には、カリキュラム生成部２２７は、各巡回に含まれるエッジのうち、値が最大のＣＣを持つエッジの数を巡回のソートに用いる値ＳＶ２とし、ＳＶ１の値が等しい巡回同士では、ＳＶ２の値が降順になるように巡回をソートする（ソート条件ＳＣ２）。

【0178】

ソート条件ＳＣ２で求めたソートに用いる値ＳＶ２が同一である場合には、カリキュラム生成部２２７は、一意の順序に決定できる任意の方法によりソートする（ソート条件ＳＣ３）。例えば、巡回に含まれる学習項目の学習対象である構成要素型の名称を、アルファベット順で最初のものが先頭になるように巡回の順に並べて結合した文字列を、前記巡回のソートに用いる文字列ＳＶ３とし、ＳＶ３がアルファベット順になるように巡回をソートしてもよい。

【0179】

図１６を参照して、エッジを削除し巡回を解消するステップＵ２２７の動作について詳細に説明する。ステップＵ２２７の動作主体は、特に言及がない限りカリキュラム生成部２２７である。

【0180】

まず、図１６に示すように、カリキュラム生成部２２７は、ステップＵ２２６でソートした巡回リストに未処理の巡回が残っているかどうかを判定する（ステップＤ２１Ｘ）。ステップＤ２１Ｘの判定の結果、巡回リストに未処理の巡回が残っていない場合は、ステップＵ２２７は終了する。一方、ステップＵ２２６でソートした巡回リストに未処理の巡回が残っている場合は、カリキュラム生成部２２７は、以下で説明するステップＤ２１Ｙ～Ｄ２４を行う。

【0181】

まず、カリキュラム生成部２２７は、ステップＵ２２６でソートした巡回リストの前から順に、このステップＤ２１Ｙで選んでいない巡回を一つ選択する（ステップＤ２１Ｙ）。次に、カリキュラム生成部２２７は、ステップＤ２１Ｙで選択した巡回において削除済のエッジが含まれているかどうかを判定する（ステップＤ２２）。

【0182】

ステップＤ２２の判定の結果、ステップＤ２１Ｙで選択した巡回において削除済のエッジが一つでも含まれている場合（ステップＤ２２：Ｙｅｓ）、カリキュラム生成部２２７は、再度ステップＤ２１Ｘを実行する。これにより、次のループ処理に移行する。

【0183】

一方、ステップＤ２２の判定の結果、ステップＤ２１Ｙで選択した巡回において削除済のエッジが一つもふくまれていない場合（ステップＤ２２：Ｎｏ）、カリキュラム生成部２２７は、巡回に含まれるエッジの削除候補リストを生成する（ステップＤ２３）。

【0184】

さらに、カリキュラム生成部２２７は、ステップＤ２３で生成した削除候補リストから、所定の方法でエッジを一つ選択し、選択したエッジを削除する（ステップＤ２４）。

【0185】

図１７を参照して、巡回に含まれるエッジの削除候補リストを生成するステップＤ２３の動作について詳細に説明する。ステップＤ２３の動作主体は、特に言及がない限りカリキュラム生成部２２７である。削除候補リストとは、巡回の解消のために削除する候補となる、エッジを格納するリスト型のデータ構造の変数である。

【0186】

まず、図１７に示すように、カリキュラム生成部２２７は、巡回に含まれるエッジのうち、期待周辺構成フラグがＴｒｕｅのエッジを全て列挙する（ステップＤ２３１）。

【0187】

次に、カリキュラム生成部２２７は、ステップＤ２３１で列挙したエッジが空であるかどうかを判定する（ステップＤ２３２）。

【0188】

ステップＤ２３２の判定の結果、ステップＤ２３１で列挙したエッジが空でない場合（ステップＤ２３２：Ｎｏ）、カリキュラム生成部２２７は、ステップＤ２３１で列挙したエッジを格納したリストを削除候補リストとする（ステップＤ２３３）。

【0189】

一方、ステップＤ２３２の判定の結果、ステップＤ２３１で列挙したエッジが空であった場合（ステップＤ２３２：Ｙｅｓ）、カリキュラム生成部２２７は、巡回に含まれる全てのエッジを格納したリストを削除候補リストとする（ステップＤ２３４）。

【0190】

図１８を参照して、削除候補リストからエッジを一つ選んで削除するステップＤ２４の動作について詳細に説明する。ステップＤ２４の動作主体は、特に言及がない限りカリキュラム生成部２２７である。

【0191】

まず、図１８に示すように、カリキュラム生成部２２７は、削除候補リストに含まれるエッジのうち、ステップＤ２１Ｙで選んだ巡回以外の巡回に含まれている数が最大のエッジが１つであるかどうかを判定する（ステップＤ２４）。

【0192】

ステップＤ２４の判定の結果、エッジが１つである場合（ステップＤ２４１：Ｙｅｓ）、カリキュラム生成部２２７は、そのエッジを削除し（ステップＤ２４２）、ステップＤ２４の動作を終了する。

【0193】

ステップＤ２４の判定の結果、エッジが１つでない場合（ステップＤ２４１：Ｎｏ）、カリキュラム生成部２２７は、ステップＤ２１Ｙで選んだ巡回以外の巡回に含まれている数が最大のエッジのうち、学習難易度が最小の学習項目から出るエッジが１つであるかどうかを判定する（ステップＤ２４３）。

【0194】

ステップＤ２４３の判定の結果、エッジが１つである場合（ステップＤ２４３：Ｙｅｓ）、カリキュラム生成部２２７は、そのエッジを削除し（ステップＤ２４２）、ステップＤ２４の動作を終了する。

【0195】

一方、ステップＤ２４３の判定の結果、エッジが１つでない場合（ステップＤ２４３：Ｎｏ）、カリキュラム生成部２２７は、ステップＤ２１Ｙで選んだ巡回以外の巡回に含まれている数が最大のエッジのうち、学習難易度が最大の学習項目へ向かうエッジが１つであるかどうかを判定する（ステップＤ２４４）。

【0196】

ステップＤ２４４の判定の結果、エッジが１つである場合（ステップＤ２４４：Ｙｅｓ）、カリキュラム生成部２２７は、そのエッジを削除し（ステップＤ２４２）、ステップＤ２４の動作を終了する。

【0197】

一方、ステップＤ２４４の判定の結果、エッジが１つでない場合（ステップＤ２４４：Ｎｏ）、カリキュラム生成部２２７は、ステップＤ２１Ｙで選んだ巡回以外の巡回に含まれている数が最大のエッジのうち、一意に決定できる任意の方法で一つを選択し（ステップＤ２４５）、そして、選択したエッジを削除し（ステップＤ２４２）、ステップＤ２４の動作を終了する。なお、ステップＤ２４５における選択基準としては、例えば、エッジが出ている学習項目の学習対象である、構成要素型の名称がアルファベット順で最も早いエッジが選ばれる、等が挙げられる。

【0198】

図１９を参照して、選んだ学習項目の学習に用いる要件の集合を生成するステップＵ２５の動作について説明する。ステップＵ２５の動作主体は、特に言及がない限りカリキュラム生成部２２７である。

【0199】

まず、図１９に示すように、カリキュラム生成部２２７は、生成した要件の集合を表す変数ＲＳを空集合として初期化する（ステップＵ２５１）。次に、カリキュラム生成部２２７は、選んだ学習項目の学習対象である構成要素型を具体化対象とする具体化規則を全て列挙する（ステップＵ２５２）。

【0200】

さらに、カリキュラム生成部２２７は、ステップＵ２５２で列挙した具体化規則のうち、処理が終了してない具体化規則がまだあるかどうかを判定する（ステップＵ２５３Ｘ）。ステップＵ２５３Ｘの判定の結果、処理が終了していない具体化規則がない場合は、ステップＵ２５は終了する。

【0201】

一方、ステップＵ２５３Ｘの判定の結果、処理が終了していない具体化規則がまだある場合は、カリキュラム生成部２２７は、ステップＵ２５２で列挙した未処理の具体化規則について、以下で説明するステップＵ２５３Ｙ～Ｕ２５８の動作を行う。

【0202】

まず、カリキュラム生成部２２７は、ステップＵ２５２で列挙した未処理の具体化規則から一つの具体化規則を選択する（ステップＵ２５３Ｙ）。次に、カリキュラム生成部２２７は、生成した要件を表す変数ＧＲを空の構成として初期化する（ステップＵ２５４）。

【0203】

さらに、カリキュラム生成部２２７は、ステップＵ２５３Ｙで選択した具体化規則の、具体化対象の構成要素と、具体化に必要な構成に含まれる全構成要素と、を変数ＧＲが格納する構成に追加する（ステップＵ２５５）。

【0204】

そして、カリキュラム生成部２２７は、ステップＵ２５３Ｙで選択した具体化規則において、具体化に必要な構成又は具体化後の構成に含まれる構成要素が未だあるかどうかを判定する（ステップＵ２５６Ｘ）。

【0205】

ステップＵ２５６Ｘの判定の結果、構成要素がない場合は、カリキュラム生成部２２７は、後述するステップＵ２５８を実行する。一方、ステップＵ２５６Ｘの判定の結果、構成要素がある場合は、カリキュラム生成部２２７は、以下で説明するステップＵ２５６Ｙ～Ｕ２５７の動作を行う。

【0206】

まず、カリキュラム生成部２２７は、ステップＵ２５３Ｙで選んだ具体化規則の、具体化に必要な構成又は具体化後の構成に含まれる構成要素から一つの構成要素を選択する（ステップＵ２５６Ｙ）。次に、カリキュラム生成部２２７は、ステップＵ２５６Ｙで選択した構成要素と、変数ＧＲの内容と、を引数として、後述する再帰的な処理を実行する（ステップＵ２５７）。

【0207】

そして、ステップＵ２５６ＸでＮｏの場合、カリキュラム生成部２２７は、生成した要件を表す変数ＧＲが格納する要件を、生成した要件の集合を表す変数ＲＳが格納する集合に追加する（ステップＵ２５８）。

【0208】

図２０を参照して、選んだ学習項目の学習に用いる要件の集合を生成する動作において、具体化規則の具体化に必要な構成もしくは具体化後の構成に含まれる構成要素を再帰的に処理するステップＵ２５７の動作について説明する。ステップＵ２５７の動作主体は、特に言及がない限りカリキュラム生成部２２７である。ステップＵ２５７の再帰的な処理は、構成要素と、構成と、を引数とする。

【0209】

まず、図２０に示すように、カリキュラム生成部２２７は、引数として受け取った構成要素の型を具体化対象とする具体化規則から、任意の方法で一つ選択する（ステップＥ２１）。次に、カリキュラム生成部２２７は、ステップＥ２１で選んだ具体化規則の具体化対象を、引数として受け取った構成に追加すべきかどうかを判定する（ステップＥ２２）。具体的には、ステップＥ２２では、カリキュラム生成部２２７は、ステップＥ２１で選んだ具体化規則の具体化対象が、引数として受け取った構成に含まれておらず、且つ、具体化規則の具体化に必要な構成の中で参照されているかどうかを判定する。

【0210】

ステップＥ２２の判定の結果、具体化対象を、引数として受け取った構成に追加すべきでない場合（ステップＥ２２：Ｎｏ）、カリキュラム生成部２２７は、後述するステップＥ２４を実行する。

【0211】

一方、ステップＥ２２の判定の結果、具体化対象を、引数として受け取った構成に追加すべき場合（ステップＥ２２：Ｙｅｓ）、カリキュラム生成部２２７は、具体化対象を引数として受け取った構成に追加する（ステップＥ２３）。

【0212】

さらに、ステップＥ２３の実行後、又はステップＥ２２の判定がＮｏの場合は、カリキュラム生成部２２７は、ステップＥ２１で選んだ具体化規則の具体化に必要な構成に含まれる全構成要素を、引数として受け取った構成に追加する（ステップＥ２４）。

【0213】

そして、カリキュラム生成部２２７は、ステップＥ２１で選んだ具体化規則の、具体化に必要な構成又は具体化後の構成に含まれる構成要素のうち、未処理の構成要素が残っているかどうかを判定する（ステップＥ２５Ｘ）。

【0214】

ステップＥ２５Ｘの判定の結果、未処理の構成要素が残っていない場合は、ステップＵ２５７は終了する。一方、ステップＥ２５Ｘの判定の結果、未処理の構成要素が残っている場合は、カリキュラム生成部２２７は、以下で説明するステップＥ２５Ｙ～Ｅ２６の動作を行う。

【0215】

まず、カリキュラム生成部２２７は、ステップＥ２１で選んだ具体化規則の、具体化に必要な構成又は具体化後の構成に含まれる構成要素から、１つの構成要素を選択する（ステップＥ２５Ｙ）。次に、カリキュラム生成部２２７は、ステップＥ２５Ｙで選んだ構成要素と、引数として受け取った構成と、を引数として、後述する再帰的な処理を行う（ステップＥ２６）。

【0216】

図２１を参照して、生成した要件の集合を用いて学習項目を学習するステップＵ２６の動作を詳細に説明する。

【0217】

図２１に示すように、まず、学習工程制御部２２１は、生成した要件の集合に含まれる要件のなかに未学習の要件があるかどうかを判定する（ステップＵ２６１Ｘ）。ステップＵ２６１Ｘの判定の結果、未学習の要件がない場合は、ステップＵ２６は終了する。

【0218】

一方、ステップＵ２６１Ｘの判定の結果、未学習の要件がある場合は、学習工程制御部２２１は、未学習の各要件に対して以下で説明するステップＵ２６１Ｙ～Ｕ２６２の動作を行う。

【0219】

まず、学習工程制御部２２１が、生成した要件の集合から要件を一つ選択する（ステップＵ２６１Ｙ）。次に、構成要素学習部２２が、ステップＵ２６１で選んだ要件を入力として、学習モデルに対して要件の構成評価の学習を行う（ステップＵ２６２）。ステップＵ２６２の構成評価の学習の動作は、実施の形態１で説明した構成評価の学習のステップＳ１と同様である。

【0220】

図２２を参照して、システム構成評価装置２における構成評価の再学習の動作Ｖ２について説明する。

【0221】

まず、図２２に示すように、カリキュラム生成部２２７が、依存グラフを生成する（ステップＶ２１）。依存グラフを生成するステップＶ２１の動作の詳細は、図１２に示したステップＵ２１と同様である。

【0222】

次に、カリキュラム生成部２２７が、カリキュラムを生成する（ステップＶ２２）。カリキュラムを生成するステップＶ２２の動作の詳細は、図１２に示したステップＵ２２と同様である。次に、カリキュラム生成部２２７が、カリキュラム中の各学習項目の学習完了フラグを完了に設定する（ステップＶ２３）。

【0223】

そして、カリキュラム生成部２２７が、カリキュラムに含まれる学習項目のうち、前回の学習時に存在していなかった構成要素型を学習対象とする全ての学習項目について、学習完了フラグを未完了に設定する（ステップＶ２４）。ステップＶ２４の詳細な方法の一例として、前回の学習時のカリキュラムを保存しておき、今回の学習のカリキュラムと比較して、今回のカリキュラムにのみ存在する学習項目の学習完了フラグを未完了に設定するという方法が好適であるが、この方法に限定されない。

【0224】

次に、カリキュラム生成部２２７が、カリキュラムに含まれる学習項目のうち、前回の学習から定義が変更された構成要素型を学習対象とする全ての学習項目について、学習完了フラグを未完了に設定する（ステップＶ２５）。ステップＶ２５の詳細な方法の一例として、前回の学習時のカリキュラムの作成日時と、各構成要素型の定義情報の更新日時と、を保存しておき、前回の学習時のカリキュラムの作成日時よりも定義情報の更新日時が遅い構成要素型の学習項目の学習完了フラグを未完了に設定するという方法が好適であるが、この方法に限定されない。

【0225】

次に、カリキュラム生成部２２７は、カリキュラムに含まれる学習項目のなかに、選択されずに未学習である学習項目があるかどうかを判定する（ステップＶ２６Ｘ）。

【0226】

ステップＶ２６Ｘの判定の結果、未学習である学習項目がある場合は、カリキュラム生成部２２７は、学習完了フラグが未完了のものが全て選択されるまで、以下で説明するステップＶ２６Ｙ～Ｖ２７の動作を行う。

【0227】

まず、カリキュラム生成部２２７が、カリキュラムに含まれる学習項目から、学習完了フラグが未完了の学習項目を一つ選択する（ステップＶ２６Ｙ）。次に、カリキュラム生成部２２７が、ステップＶ２６Ｙで選択した学習項目から、カリキュラム中の有向エッジを一つ遡って到達可能な各学習項目について、学習項目の学習完了フラグを未完了に設定する（ステップＶ２７）。その後、カリキュラム生成部２２７は、再度ステップＶ２６Ｘの判定を実行する。

【0228】

また、ステップＶ２６Ｘの判定の結果、未学習である学習項目がない場合は、カリキュラム生成部２２７は、依存先がない又は全ての依存先の学習完了フラグが完了になっている学習項目があるかどうかを判定する（ステップＶ２８Ｘ）。

【0229】

ステップＶ２８Ｘの判定の結果、依存先がない又は全ての依存先の学習完了フラグが完了になっている学習項目が存在しない場合は、動作Ｖ２は終了する。一方、ステップＶ２８Ｘの判定の結果、依存先がない又は全ての依存先の学習完了フラグが完了になっている学習項目が存在する場合は、以下で説明するステップＶ２８Ｙ～Ｕ２Ｂが実行される。

【0230】

まず、学習工程制御部２２１が、依存先がない又は全ての依存先の学習完了フラグが完了になっている学習項目を、カリキュラムから一つ選択する（ステップＶ２８Ｙ）。

【0231】

次に、カリキュラム生成部２２７が、ステップＶ２８Ｙで選択された学習項目を学習するための要件の集合を生成する（ステップＶ２９）。学習項目を学習するための要件の集合を生成するステップＶ２９の動作の詳細は、図１２に示したステップＵ２５の動作と同様である。

【0232】

さらに、構成要素学習部２２が、ステップＶ２９で生成した要件の集合を用いて、ステップＶ２８Ｙで選んだ学習項目を学習する（ステップＶ２Ａ）。そして、学習工程制御部２２１が、ステップＶ２８Ｙで選んだ学習項目の学習完了型フラグを完了に設定する（ステップＶ２Ｂ）。要件の集合を用いて学習項目を学習するステップＶ２Ａの動作の詳細は、図１２に示したステップＵ２６と同様である。

【0233】

なお、実施の形態２においても、構成評価の動作Ｔ２は、実施の形態１における構成評価の動作Ｔ１と同様である。

【0234】

［効果の説明］
実施の形態２によれば、構成要素毎の評価値を適切な順序で学習することで学習効率が向上する。実施の形態２では、依存関係に基づくカリキュラムに沿った順序で構成要素の学習が行われる。よって、特定の構成要素を学習するために事前の学習を要する、その他の構成要素の学習が完了した状態で学習が可能になる。また、実施の形態２によれば、学習済みの構成要素の学習をスキップすることで学習にかかる時間を短縮できる。結果として、学習効率が向上する。

【0235】

［プログラム］
実施の形態２において、プログラムは、コンピュータに、図１２～図２２に示す各ステップを実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、システム構成評価装置２とシステム構成評価方法とを実現することができる。この場合、コンピュータのプロセッサは、構成評価部２１及び構成要素学習部２２として機能し、処理を行なう。コンピュータとしては、汎用のＰＣの他に、スマートフォン、タブレット型端末装置が挙げられる。

【0236】

また、プログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、１又は複数のコンピュータが、構成評価部２１及び構成要素学習部２２のいずれかとして機能しても良い。

【0237】

（実施の形態３）
次に、実施の形態３におけるシステム構成評価装置、システム構成評価方法、及びプログラムについて、図２３及び図２４を参照しながら説明する。

【0238】

［装置構成］
最初に、実施の形態３におけるシステム構成評価装置の構成について図２３を用いて説明する。図２３は、システム構成評価装置の一例の構成を示す構成図である

【0239】

図２３に示すように、システム構成評価装置３は、構成評価部３１と、構成要素学習部３２と、設計部３３と、を備える。更に、構成評価部３１は、構成要素評価部１１１と、構成総合評価部１１２と、を備える。構成要素学習部３２は、学習工程制御部１２１と、設計試行部１２２と、具体化成功判定部１２３と、報酬生成部１２４と、学習データ生成部１２５と、機械学習部１２６と、を備える。各部は、それぞれ概略次のように動作する。

【0240】

構成要素評価部１１１、構成総合評価部１１２、学習工程制御部１２１、設計試行部１２２、具体化成功判定部１２３、報酬生成部１２４、学習データ生成部１２５、及び機械学習部１２６、それぞれの動作の概略は、実施の形態１で説明した各部の動作と同様である。

【0241】

但し、実施の形態３では、上述したように、システム構成評価装置３は、設計部３３を備えており、この点で、実施の形態３は実施の形態１と異なっている。設計部３３は、構成総合評価部１１２が出力する評価値に基づいて、コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した構成を用いて、システム構成を設計する。

【0242】

［装置動作］
次に、実施の形態３におけるシステム構成評価装置３の動作の一例について図２４を用いて説明する。以下の説明においては、適宜図２３を参照する。また、実施の形態３では、システム構成評価装置３を動作させることによって、システム構成評価方法が実施される。よって、実施の形態３において、システム構成評価方法の説明は、以下のシステム構成評価装置の動作説明に代える。

【0243】

実施の形態３においては、大きく分類して三つの動作がある。それは、構成評価の学習と、構成評価と、設計と、の動作である。構成評価の学習の動作では、コンピュータシステム、具体的にはＩＣＴシステム構成の評価を行うため、ＩＣＴシステムの各構成要素単位の評価について、学習モデルの学習が行われる。構成評価の動作では、学習済の学習モデルが活用されて、ＩＣＴシステム構成の評価が行われる。設計の動作では、抽象的な要件を段階的に具体化していく方法の探索が行われることにより、具体的なＩＣＴシステムが獲得される。探索においては、構成評価の結果に基づいて、探索の方向が決定される。以降、それぞれについて説明する。

【0244】

まず、実施の形態３においては、構成評価の学習の動作Ｓ３は、実施の形態１における構成評価の学習の動作Ｓ１と同様の動作である。更に、実施の形態３においては、構成評価の動作Ｔ３は、実施の形態１における構成評価の動作Ｔ１と同様の動作である。

【0245】

図２４を参照して、実施の形態における設計の動作Ｗ３について詳細に説明する。設計の動作Ｗ３の動作主体は、特に言及がない限り設計部３３である。

【0246】

図２４に示すように、まず、設計部３３は、現在の構成を表す変数に設計対象の要件を代入する（ステップＷ３１）。以降、前記現在の構成を表す変数に代入されている内容を、単に「現在構成」と表記する。そして、設計部３３は、次に現在の構成を表す変数に代入される構成の候補を格納する変数ＮＬ３を空のリストとして初期化する（ステップＷ３２）。

【0247】

次に、設計部３３は、現在構成が具体構成であるかどうかを判定する（ステップＷ３８）。ステップＷ３８の判定の結果、現在構成が具体構成である場合は、動作Ｗ３は終了する。一方、ステップＷ３８の判定の結果、現在構成が具体構成で無い場合は、設計部３３は、現在の構成から１回の具体化規則の適用で生成可能な構成を全て列挙する（ステップＷ３３）。

【0248】

さらに、設計部３３は、ステップＷ３３で列挙した各構成を、構成総合評価部１１２に入力し構成評価を行わせる（ステップＷ３４）。ステップＷ３４の動作は構成評価の動作Ｔ３である。つまり、ステップＷ３４における動作は、実施の形態１で説明した構成評価の動作Ｔ１と同様である。

【0249】

次に、設計部３３は、ステップＷ３３で列挙した各構成について、その構成と、ステップＷ３４で得られた構成の評価値と、から成るペアを、変数ＮＬ３を格納するリストに追加する（ステップＷ３５）。

【0250】

次に、設計部３３は、変数ＮＬ３を格納するリストから、評価値が最も高いペアを取り出す（ステップＷ３６）。さらに、設計部３３は、ステップＷ３６で取り出したペアに含まれる構成を、現在の構成を表す変数に代入する（ステップＷ３７）。

【0251】

これにより、現在構成が具体構成になるまで、ステップＷ３３～Ｗ３７が繰り返し実行される。

【0252】

［効果の説明］
実施の形態３によれば、効率の良い学習により得られる学習モデルを利用したＩＣＴシステムの自動設計が可能になる。実施の形態３では、実施の形態１により学習した学習モデルを、構成要素評価部１１１で利用して設計することが可能になる。

【0253】

［プログラム］
実施の形態３において、プログラムは、コンピュータに、図３～図１０、図２４に示す各ステップを実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、システム構成評価装置３とシステム構成評価方法とを実現することができる。この場合、コンピュータのプロセッサは、構成評価部３１、構成要素学習部３２、及び設計部３３として機能し、処理を行なう。コンピュータとしては、汎用のＰＣの他に、スマートフォン、タブレット型端末装置が挙げられる。

【0254】

また、プログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、１又は複数のコンピュータが、構成評価部３１、構成要素学習部３２、及び設計部３３のいずれかとして機能しても良い。

【0255】

（実施の形態４）
次に実施の形態４における、システム構成評価装置、システム構成評価方法、及びプログラムについて、図２５～図２９を参照しながら説明する。実施の形態４では、設計の過程で生成する構成案の絞り込みが行われる。実施の形態４において、実施の形態１と同様の部分については、適宜省略しながら説明を進める。
［装置構成］
最初に、実施の形態４におけるシステム構成評価装置の構成について図２５を用いて説明する。図２５は、システム構成評価装置の一例の構成を示す構成図である

【0256】

図２５に示すように、システム構成評価装置４は、構成評価部４１と、構成要素学習部４２と、設計部４３と、絞り込み部４４と、を備える。構成評価部４１は、構成要素評価部１１１と、構成総合評価部１１２と、を備える。構成要素学習部４２は、学習工程制御部１２１と、設計試行部４２２と、具体化成功判定部１２３と、報酬生成部１２４と、学習データ生成部１２５と、機械学習部１２６と、を備える。各部は、それぞれ概略次のように動作する。

【0257】

構成要素評価部１１１、構成総合評価部１１２、学習工程制御部１２１、具体化成功判定部１２３、報酬生成部１２４、学習データ生成部１２５、及び機械学習部１２６、それぞれの動作の概略は、実施の形態１及び３で説明した各部の動作と同様である。

【0258】

実施の形態４において、絞り込み部４４は、設計の過程において探索される候補の構成を生成する場合において、構成要素評価手段が出力した各構成要素の評価値に基づいて、具体化の対象となる構成要素を決定し、決定した構成要素を具体化することで得られる構成のみを生成する。

【0259】

また、設計試行部４２２は、コンピュータシステムの設計を試行し、設計の開始から終了に至るまでの過程で得られた構成を収集する。設計試行部４２２の動作の概略も、実施の形態１及び３で説明した動作と同様である。但し、実施の形態４では、設計試行部４２２は、設計の過程で探索する構成（候補）を追加する場合に、絞り込み部４４が生成した構成のみ追加する。

【0260】

設計部４３は、構成総合評価部１１２が出力する評価値に基づいて、コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した構成を用いて、コンピュータシステムのシステム構成を設計する。設計部４３の動作は、実施の形態３で説明した動作と同様である。但し、実施の形態４では、設計部４３は、設計の過程で探索する構成（候補）を追加するに場合に、絞り込み部４４が生成した構成のみ追加する。

【0261】

［装置動作］
次に、実施の形態４におけるシステム構成評価装置４の動作の一例について図２６から図２９を用いて説明する。以下の説明においては、適宜図２５を参照する。また、実施の形態４では、システム構成評価装置４を動作させることによって、システム構成評価方法が実施される。よって、実施の形態４において、システム構成評価方法の説明は、以下のシステム構成評価装置の動作説明に代える。

【0262】

実施の形態４においては、大きく分類して三つの動作がある。それは、構成評価の学習の動作と、構成評価の動作と、設計の動作と、の三つである。構成評価の学習の動作では、コンピュータシステム、具体的には、ＩＣＴシステムのシステム構成の評価を行うため、ＩＣＴシステムの各構成要素単位の評価について、学習モデルの学習が行われる。構成評価の動作では、学習済の学習モデルが活用されて、ＩＣＴシステムのシステム構成の評価が行われる。設計の動作では、抽象的な要件を段階的に具体化していく方法の探索が行われ、それにより具体的なＩＣＴシステムが獲得される。探索においては、構成評価の結果に基づいて、探索の方向が決定される。以降、それぞれについて説明する。

【0263】

図２６を参照して、構成評価の学習の動作Ｓ４について説明する。なお、図２６の粒度では、構成評価の学習の動作Ｓ４は、実施の形態１で説明した構成評価の学習の動作Ｓ１と同様である。但し、より詳細な粒度では、動作Ｓ４は、後述するステップＳ４２において、動作Ｓ１と異なる部分がある。異なる部分については別途説明する。ステップＳ４２以外は詳細な粒度においても、実施の形態１で説明した構成評価の学習の動作Ｓ１と同様である。

【0264】

図２６に示すように、まず、構成要素学習部４２が、学習対象のシステム要件Ｒ４を入力として受け取る（ステップＳ４１）。次に、構成要素学習部４２が、システム要件Ｒ４を用いて強化学習を適当な期間行う（ステップＳ４２）。ここでの適当な期間は、学習時間及び学習回数（例えばニューラルネットワークを用いた強化学習の場合はニューラルネットワークの重みの更新回数）に基づいて、適宜設定される。なお、ここでの適当な期間は特に限定されるものではない。

【0265】

さらに、設計試行部４２２が、現在の学習モデル（例えばニューラルネットワークを用いた強化学習の場合はニューラルネットワーク）を用いて、システム要件Ｒ４の設計を試みる（ステップＳ４３）。設計の方法としては、例えば、特許文献１に開示された方法が挙げられるが、実施の形態４において、設計の方法は特に限定されない。

【0266】

そして、学習工程制御部１２１が、ステップＳ１３の結果に基づき、学習が十分であるか否か判断する（ステップＳ４４）。ステップＳ４４における判断の方法は、ステップＳ４３での設計方法に依存する。例えば、特許文献１に開示された方法によりステップＳ４３が実施された場合、設計における探索のステップ数が一定以下であった場合に十分だと判断する方法が挙げられる。更に、過去に行ったステップＳ４３での設計において、規定の回数連続で探索のステップ数が一定以下だった場合に十分だと判断する方法も挙げられる。ステップＳ４４における判断の方法は、これらに限定されない。

【0267】

ステップＳ４４の判定の結果、学習が十分である場合は、動作Ｓ４は終了する。一方、ステップＳ４４の判定の結果、学習が十分である場合は、再度ステップＳ４２が実行される。つまり、ステップＳ４４で学習が十分であると判断されるまで、ステップＳ４２～Ｓ４３が繰り返えされる。

【0268】

図２７を参照して、強化学習を行うステップＳ４２の動作について詳細に説明する。なお、図２８の粒度では、ステップＳ４２の動作は、実施の形態１で説明したステップＳ１２の動作と同様である。但し、より詳細な粒度では、ステップＳ４２は、後述するステップＳ４２１において、Ｓ１２と異なっており、それについては別途説明する。ステップＳ４２１以外は詳細な粒度においても、実施の形態１で説明した構成評価の学習の動作Ｓ１と同様である。

【0269】

また、ここで説明する動作は、システムの機能要件に関する設計方法を学習するための動作の一例であり、システムの機能要件に関する設計方法の学習が実現されるのであれば、ここに記載するものに限定されない。また、設計の方法としては、例えば、特許文献１に開示された方法が挙げられるが、実施の形態４において、設計の方法は特に限定されない。

【0270】

図２７に示すように、まず、設計試行部４２２が、システム要件Ｒ４を用いて設計の試行を行い、構成パスＣＰ１を生成する（ステップＳ４２１）。そして、学習データ生成部１２５が、学習データを生成する（ステップＳ４２２）。

【0271】

次に、設計試行部４２２は、ステップＳ４２１～Ｓ４２２が規定の回数繰り返されているかどうかを判定する（ステップＳ４２３）。ステップＳ４２３の判定の結果、ステップＳ４２１～Ｓ４２２が規定の回数繰り返されていない場合は、設計試行部４２２は、再度ステップＳ４２１を実行する。

【0272】

一方、ステップＳ４２３の判定の結果、ステップＳ４２１～Ｓ４２２が規定の回数繰り返されている場合は、機械学習部１２６が、学習データに基づき学習を行う（ステップＳ４２４）。

【0273】

次に、機械学習部１２６は、学習が終了しているかどうか、即ち、学習が適当な期間行われたかどうかを判定する（ステップＳ４２５）。ステップＳ４２５の判定の結果、学習が終了していない場合は、再度ステップＳ４２１～Ｓ４２４が実行される。一方、ステップＳ４２５の判定の結果、学習が終了している場合は、ステップＳ４２は終了する。

【0274】

ここでいう適当な期間とは、学習時間や学習回数、例えばニューラルネットワークを利用した強化学習の場合は、ニューラルネットワークの重みの更新回数等に基づくき決定されるのが良い。但し、実施の形態４では、適当な期間は、これら以外に基づいて決定されても良い。

【0275】

図２８を参照して、構成パスを生成するステップＳ４２１の動作について詳細に説明する。ステップＳ４２１の動作主体は、特に言及がない限り、設計試行部４２２である。

【0276】

図２８に示すように、まず、設計試行部４２２は、システム要件Ｒ４を、現在の構成を表す変数に代入する（ステップＡ４１）。以降、現在の構成を表す変数に代入されている内容を、単に「現在構成」と表記する。

【0277】

次に、設計試行部４２２は、現在構成のみを内容として含むリスト型のデータ構造の変数として構成パスＣＰ４を初期化する（ステップＡ４２）。なお、ここでは一例として構成パスＣＰ４のデータ構造をリスト型としているが、同種の内容物を順序が定まる形で複数格納することが可能なデータ構造であれば、リスト型以外のデータ構造でもよい。

【0278】

さらに、設計試行部４２２は、現在構成を構成要素評価部１１１に入力し、得られた構成要素毎の評価値を現在構成に記録する（ステップＡ４３）。

【0279】

次に、設計試行部４２２は、現在構成に対して具体化規則を適用できるかどうかを判定する（ステップＡ４Ｅ）。ステップＡ４Ｅの判定の結果、具体化規則を適用できない場合は、ステップＳ４２１における処理は終了する。

【0280】

一方、ステップＡ４Ｅの判定の結果、具体化規則を適用できる場合は、絞り込み部４４が、現在構成でまだ具体化対象になっていない構成要素のうち、当該構成要素の評価値が最も低いものを対象とした具体化規則の適用パターンを全て列挙する（ステップＡ４４）。

【0281】

次に、設計試行部４２２は、適用パターンが空であるかどうかを判定する（ステップＡ４５）。ステップＡ４５の判定の結果、適用パターンが空である場合は（ステップＡ４５：Ｙｅｓ）、更に、設計試行部４２２は、ステップＡ４４の判定が行われていない構成要素があるかどうかを判定する（ステップＡ４６）。

【0282】

ステップＡ４６の判定の結果、構成要素がある場合は（ステップＡ４６：Ｙｅｓ）、設計試行部４２２は、ステップＡ４４を再度実行する。一方、ステップＡ４６の判定の結果、構成要素がない場合は（ステップＡ４６：Ｎｏ）、ステップＳ４２１の動作全体が終了する。

【0283】

また、ステップＡ４５の判定の結果、適用パターンが空でない場合は（ステップＡ４５：Ｎｏ）、絞り込み部４４が、ステップＡ４４で列挙した具体化規則の適用パターンの数だけ、現在構成のコピーを生成する（ステップＡ４７）。

【0284】

さらに、絞り込み部４４が、ステップＡ４４で列挙した具体化規則の適用パターンを、ステップＡ４７で生成したそれぞれ異なる現在構成のコピーに適用した結果得られる構成を全て列挙する（ステップＡ４８）。

【0285】

そして、絞り込み部４４は、後述のステップＡ４９Ｙで未だ選択されていない構成があるかどうかを判定する（ステップＡ４９Ｘ）。ステップＡ４９Ａの判定の結果、構成がある場合は、絞り込み部４４は、ステップＡ４８で列挙した構成から一つの構成を選択する（ステップＡ４９Ｙ）。

【0286】

次に、絞り込み部４４は、ステップＡ４９Ｙで選択した構成を、構成要素評価部１１１に入力し、得られた構成要素毎の評価値をその構成に記録する（ステップＡ４Ａ）。さらに、絞り込み部４４は、ステップＡ４Ａで得られた構成要素毎の評価値のうち、最も値が小さいものを、ステップＡ４９Ｙで選択した構成の評価値とする（ステップＡ４Ｂ）。その後、絞り込み部４４は、再度ステップＡ４９Ｘの判定を実行する。

【0287】

また、ステップＡ４９Ａの判定の結果、構成がない場合は、絞り込み部４４は、ステップＡ４８で列挙した各構成のうち、評価値が最も高いものを、現在の構成を表す変数に代入する（ステップＡ４Ｃ）。次に、絞り込み部４４は、現在構成を構成パスＣＰ４の末尾に追加する（ステップＡ４Ｄ）。その後、絞り込み部４４は、ステップＡ４Ｅの判定を実行し、現在構成にこれ以上具体化規則を適用できなくなるまで、ステップＡ４４～Ａ４Ｄを繰り返す。

【0288】

実施の形態４における構成評価の動作は、実施の形態３と同様であり、つまり、実施の形態１における構成評価の動作Ｔ１と同様である。

【0289】

図２９を参照して、実施の形態における設計の動作Ｗ４について詳細に説明する。設計の動作Ｗ４の動作主体は、特に言及がない限り設計部４３である。

【0290】

図２９に示すように、まず、設計部４３は、現在の構成を表す変数に設計対象の要件を代入する（ステップＷ４１）。以降、現在の構成を表す変数の内容を単に「現在構成」と表記する。

【0291】

そして、設計部４３は、現在の構成を表す変数に代入される構成の候補を格納する変数ＮＬ４を空のリストとして初期化する（ステップＷ４２）。次に、現在構成を構成要素評価部１１１に入力し、得られた構成要素毎の評価値を現在構成に記録する（ステップＷ４３）。

【0292】

次に、設計部４３は、現在構成が具体構成でないかどうかを判定する（ステップＷ４４）。ステップＷ４４の判定の結果、現在構成が具体構成である場合は、動作Ｗ４は終了する。一方、ステップＷ４４の判定の結果、現在構成が具体構成である場合は、設計部４３は、現在構成が具体構成になるまで、以下で説明するステップＷ４５～Ｗ４Ｉの動作を行う。

【0293】

まず、絞り込み部４４が、現在構成でまだ具体化対象になっていない構成要素のうち、当該構成要素の評価値が最も低いものを対象とした具体化規則の適用パターンを全て列挙する（ステップＷ４５）。ステップＷ４５で対象となった構成要素は、具体化対象になったものとして扱う。

【0294】

次に、設計部４３は、適用パターンが空であるかどうかを判定する（ステップＷ４６）。ステップＷ４６の判定の結果、適用パターンが空である場合は（ステップＷ４６：Ｙｅｓ）、設計部４３は、現在構成において未だ具体化対象になっていない構成要素があるかどうかを判定する（ステップＷ４７）。

【0295】

ステップＷ４７の判定の結果、現在構成において未だ具体化対象になっていない構成要素がない場合は（ステップＷ４７：Ｎｏ）、動作Ｗ４は終了し、ステップＷ４Ｈに移行する。一方、ステップＷ４７の判定の結果、現在構成において未だ具体化対象になっていない構成要素がある場合は（ステップＷ４７：Ｙｅｓ）、設計部４３は、ステップＷ４５を再度実行する。

【0296】

また、ステップＷ４６の判定の結果、適用パターンが空でない場合は（ステップＷ４６：Ｎｏ）、絞り込み部４４が、ステップＷ４５で列挙した具体化規則の適用パターン数だけ、現在構成のコピーを生成する（ステップＷ４８）。

【0297】

さらに、絞り込み部４４が、ステップＷ４５で列挙した具体化規則の適用パターンを、ステップＷ４８で生成したそれぞれ異なる現在構成のコピーに適用した結果得られる構成を全て列挙する（ステップＷ４９）。

【0298】

次に、設計部４３は、ステップＷ４９で列挙した各構成のうち、後述するステップＷ４ＡＹ～Ｗ４Ｄが実行されていない構成が未だあるかどうかを判定する（ステップＷ４ＡＸ）。

【0299】

ステップＷ４ＡＸの判定の結果、ステップＷ４ＡＹ～Ｗ４Ｄが実行されていない構成が未だある場合は、設計部４３は、ステップＷ４９で列挙した構成から一つの構成を選択する（ステップＷ４ＡＹ）。次に、設計部４３は、ステップＷ４ＡＹで選んだ構成を、構成要素評価部１１１に入力し、得られた構成要素毎の評価値を、その構成に記録する（ステップＷ４Ｂ）。

【0300】

さらに、設計部４３は、ステップＷ４Ｂで得られた構成要素毎の評価値のうち、最も値が小さいものを、ステップＷ４ＡＹで選んだ構成の評価値とする（ステップＷ４Ｃ）。そして、ステップＷ４ＡＹで選んだ構成と、ステップＷ４Ｃで構成要素評価部１１１から得られた構成の評価値と、から成るペアを、変数ＮＬ４を格納するリストに追加する（ステップＷ４Ｄ）。その後、設計部４３は、ステップＷ４ＡＸの判定を再度実行する。

【0301】

また、ステップＷ４ＡＸの判定の結果、ステップＷ４ＡＹ～Ｗ４Ｄが実行されていない構成がない場合は、設計部４３は、現在構成において未だ具体化対象になっていない構成要素があるかどうかを判定する（ステップＷ４Ｅ）。

【0302】

ステップＷ４Ｅの判定の結果、現在構成において未だ具体化対象になっていない構成要素がある場合（ステップＷ４Ｅ：Ｙｅｓ）、設計部４３は、現在構成に含まれる構成要素の評価値のうち、最も低いものを現在構成の評価値とする（ステップＷ４Ｆ）。次に、設計部４３は、現在構成と、ステップＷ４Ｇで求めた現在構成の評価値と、から成るペアを、変数ＮＬ４を格納するリストに追加する（ステップＷ４Ｇ）。

【0303】

そして、ステップＷ４Ｇが実行された場合、又はステップＷ４Ｅの判定の結果、現在構成において未だ具体化対象になっていない構成要素が残っていなかった場合（ステップＷ４Ｅ：Ｎｏ）、設計部４３は、ステップＷ４Ｈを実行する。

【0304】

ステップＷ４Ｈでは、設計部４３は、変数ＮＬ４が格納するリストから、評価値が最も高いペアを取り出す（ステップＷ４Ｈ）。さらに、設計部４３は、ステップＷ４Ｈで取り出したペアに含まれる構成を、現在の構成を表す変数に代入する（ステップＷ４Ｉ）。その後、設計部４３は、ステップＷ４４の判定を再度実行する。

【0305】

［効果の説明］
実施の形態４によれば、コンピュータシステム、具体的にはＩＣＴシステムの自動設計及びその学習の効率を向上させることができる。実施の形態４では、自動設計及びその学習の探索ステップ毎に生成する構成を絞り込むことで、各探索ステップで生成される構成の数が削減される。このため、探索ステップ１回あたりの時間が短縮され効率が向上する。また、具体化が正しく完了する見込みが最も低い構成要素が優先的に具体化するよう絞り込まれるので、システム構成全体の設計が成功する見込みを高めるような具体化が選択されやすくなり、探索の精度が向上する。結果として、学習の効率が向上する。

【0306】

［プログラム］
実施の形態４において、プログラムは、コンピュータに、図６～図１０、図２６～２９に示す各ステップを実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、システム構成評価装置１とシステム構成評価方法とを実現することができる。この場合、コンピュータのプロセッサは、構成評価部４１、構成要素学習部４２、設計部４３、及び絞り込み部４４として機能し、処理を行なう。コンピュータとしては、汎用のＰＣの他に、スマートフォン、タブレット型端末装置が挙げられる。

【0307】

また、プログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、１又は複数のコンピュータが、構成評価部４１、構成要素学習部４２、設計部４３、及び絞り込み部４４のいずれかとして機能しても良い。

【0308】

［物理構成］
ここで、実施の形態１～４におけるプログラムを実行することによって、システム構成評価装置を実現するコンピュータについて図４１を用いて説明する。図４１は、システム構成評価装置を実現するコンピュータの一例を示すブロック図である。

【0309】

図４１に示すように、コンピュータ５１０は、ＣＰＵ（Central Processing Unit）５１１と、メインメモリ５１２と、記憶装置５１３と、入力インターフェイス５１４と、表示コントローラ５１５と、データリーダ／ライタ５１６と、通信インターフェイス５１７とを備える。これらの各部は、バス５２１を介して、互いにデータ通信可能に接続される。

【0310】

また、コンピュータ５１０は、ＣＰＵ５１１に加えて、又はＣＰＵ５１１に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-Programmable Gate Array）を備えていても良い。この態様では、ＧＰＵ又はＦＰＧＡが、実施の形態におけるプログラムを実行することができる。

【0311】

ＣＰＵ５１１は、記憶装置５１３に格納された、コード群で構成された実施の形態におけるプログラムをメインメモリ５１２に展開し、各コードを所定順序で実行することにより、各種の演算を実施する。メインメモリ５１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。

【0312】

また、実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体５２０に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス５１７を介して接続されたインターネット上で流通するものであっても良い。

【0313】

また、記憶装置５１３の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス５１４は、ＣＰＵ５１１と、キーボード及びマウスといった入力機器５１８との間のデータ伝送を仲介する。表示コントローラ５１５は、ディスプレイ装置５１９と接続され、ディスプレイ装置５１９での表示を制御する。

【0314】

データリーダ／ライタ５１６は、ＣＰＵ５１１と記録媒体５２０との間のデータ伝送を仲介し、記録媒体５２０からのプログラムの読み出し、及びコンピュータ５１０における処理結果の記録媒体５２０への書き込みを実行する。通信インターフェイス５１７は、ＣＰＵ５１１と、他のコンピュータとの間のデータ伝送を仲介する。

【0315】

また、記録媒体５２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記録媒体、又はＣＤ－ＲＯＭ（Compact Disk Read Only Memory）などの光学記録媒体が挙げられる。

【0316】

なお、システム構成評価装置は、プログラムがインストールされたコンピュータではなく、各部に対応したハードウェア、例えば、電子回路を用いることによっても実現可能である。更に、システム構成評価装置は、一部がプログラムで実現され、残りの部分がハードウェアで実現されていてもよい。実施の形態において、コンピュータは、図４１に示すコンピュータに限定されることはない。

【0317】

上述した実施の形態の一部又は全部は、以下に記載する（付記１）～（付記１５）によって表現することができるが、以下の記載に限定されるものではない。

【0318】

（付記１）
学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、前記コンピュータシステム全体の評価値を出力する、構成評価部と、
予め設定された要件に基づいて前記コンピュータシステムの設計を試行し、前記設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が前記要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、前記学習モデルの学習データを生成し、生成した前記学習データを用いて、前記学習モデルに対して機械学習を実行する、
構成要素学習部と、
を備えている、ことを特徴とするシステム構成評価装置。

【0319】

（付記２）
前記構成要素学習部が、
前記構成毎に、それに含まれる前記各構成要素が、前記要件に沿って具体化されているかどうかを判定し、判定の結果に基づいて、当該構成に含まれる前記各構成要素に与えるべき報酬を算出し、
前記構成毎に、当該構成と、当該構成について算出された、前記各構成要素に与えるべき報酬とを、前記学習データとして生成する、
付記１に記載のシステム構成評価装置。

【0320】

（付記３）
前記構成要素学習部が、
特定の構成要素と、それを具体化するのに必要となる別の構成要素と、の関係性を表す依存関係に基づいて、依存関係がない構成要素及び依存関係にある構成要素について学習が完了した構成要素の順に学習が行われるように、カリキュラムを生成し、
生成した前記カリキュラムに従って、前記学習モデルに対する機械学習を実行する、
付記１に記載のシステム構成評価装置。

【0321】

（付記４）
前記構成評価部が出力する前記各構成要素の前記評価値に基づいて、前記コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した前記構成を用いて、前記コンピュータシステムのシステム構成を設計する、設計部を更に備えている、
付記１に記載のシステム構成評価装置。

【0322】

（付記５）
前記構成評価部が出力する前記各構成要素の前記評価値に基づいて、具体化の対象となる構成要素を決定し、決定した構成要素を具体化することで得られる構成のみを生成する、絞り込み部を更に備え、
前記設計部は、前記探索対象となる構成を追加する場合に、前記絞り込み部が生成した前記構成のみ追加し、
前記構成要素学習部は、前記コンピュータシステムの設計の試行において、前記コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した前記構成を用いて、前記コンピュータシステムのシステム構成の設計を試行し、前記探索対象となる構成を追加する場合に、前記絞り込み部が生成した前記構成のみ追加する、
ことを特徴とする付記４に記載のシステム構成評価装置。

【0323】

（付記６）
学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、前記コンピュータシステム全体の評価値を出力する、構成評価ステップと、
予め設定された要件に基づいて前記コンピュータシステムの設計を試行し、前記設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が前記要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、前記学習モデルの学習データを生成し、生成した前記学習データを用いて、前記学習モデルに対して機械学習を実行する、構成要素学習ステップと、
を有する、ことを特徴とするシステム構成評価方法。

【0324】

（付記７）
前記構成要素学習ステップにおいて、
前記構成毎に、それに含まれる前記各構成要素が、前記要件に沿って具体化されているかどうかを判定し、判定の結果に基づいて、当該構成に含まれる前記各構成要素に与えるべき報酬を算出し、
前記構成毎に、当該構成と、当該構成について算出された、前記各構成要素に与えるべき報酬とを、前記学習データとして生成する、
付記６に記載のシステム構成評価方法。

【0325】

（付記８）
前記構成要素学習ステップにおいて、
特定の構成要素と、それを具体化するのに必要となる別の構成要素と、の関係性を表す依存関係に基づいて、依存関係がない構成要素及び依存関係にある構成要素について学習が完了した構成要素の順に学習が行われるように、カリキュラムを生成し、
生成した前記カリキュラムに従って、前記学習モデルに対する機械学習を実行する、
付記６に記載のシステム構成評価方法。

【0326】

（付記９）
前記構成評価ステップで出力する前記各構成要素の前記評価値に基づいて、前記コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した前記構成を用いて、前記コンピュータシステムのシステム構成を設計する、設計ステップを更に有する、
付記６に記載のシステム構成評価方法。

【0327】

（付記１０）
前記構成評価ステップで出力する前記各構成要素の前記評価値に基づいて、具体化の対象となる構成要素を決定し、決定した構成要素を具体化することで得られる構成のみを生成する、絞り込みステップを更に有し、
前記設計ステップにおいて、前記探索対象となる構成を追加する場合に、前記絞り込みステップが生成した前記構成のみ追加し、
前記構成要素学習ステップにおいて、前記コンピュータシステムの設計の試行において、前記コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した前記構成を用いて、前記コンピュータシステムのシステム構成の設計を試行し、前記探索対象となる構成を追加する場合に、前記絞り込みステップで生成した前記構成のみ追加する、
ことを特徴とする付記９に記載のシステム構成評価方法。

【0328】

（付記１１）
コンピュータに、
学習モデルを用いて、コンピュータシステムの各構成要素の評価値を出力し、更に、出力した評価値を統合して、前記コンピュータシステム全体の評価値を出力する、構成評価ステップと、
予め設定された要件に基づいて前記コンピュータシステムの設計を試行し、前記設計の開始から終了に至るまでの過程で得られた構成について、それに含まれる各構成要素が前記要件に沿って具体化されているかどうかを判定し、判定の結果を用いて、前記学習モデルの学習データを生成し、生成した前記学習データを用いて、前記学習モデルに対して機械学習を実行する、構成要素学習ステップと、
を実行させる、プログラム。

【0329】

（付記１２）
前記構成要素学習ステップにおいて、
前記構成毎に、それに含まれる前記各構成要素が、前記要件に沿って具体化されているかどうかを判定し、判定の結果に基づいて、当該構成に含まれる前記各構成要素に与えるべき報酬を算出し、
前記構成毎に、当該構成と、当該構成について算出された、前記各構成要素に与えるべき報酬とを、前記学習データとして生成する、
付記１１に記載のプログラム。

【0330】

（付記１３）
前記構成要素学習ステップにおいて、
特定の構成要素と、それを具体化するのに必要となる別の構成要素と、の関係性を表す依存関係に基づいて、依存関係がない構成要素及び依存関係にある構成要素について学習が完了した構成要素の順に学習が行われるように、カリキュラムを生成し、
生成した前記カリキュラムに従って、前記学習モデルに対する機械学習を実行する、
付記１１に記載のプログラム。

【0331】

（付記１４）
前記コンピュータに、
前記構成評価ステップで出力する前記各構成要素の前記評価値に基づいて、前記コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した前記構成を用いて、前記コンピュータシステムのシステム構成を設計する、設計ステップを更に実行させる、
付記１１に記載のプログラム。

【0332】

（付記１５）
前記コンピュータに、
前記構成評価ステップで出力する前記各構成要素の前記評価値に基づいて、具体化の対象となる構成要素を決定し、決定した構成要素を具体化することで得られる構成のみを生成する、絞り込みステップを更に実行させ、
前記設計ステップにおいて、前記探索対象となる構成を追加する場合に、前記絞り込みステップが生成した前記構成のみ追加し、
前記構成要素学習ステップにおいて、前記コンピュータシステムの設計の試行において、前記コンピュータシステムの設計空間において探索対象となる構成を決定し、決定した前記構成を用いて、前記コンピュータシステムのシステム構成の設計を試行し、前記探索対象となる構成を追加する場合に、前記絞り込みステップで生成した前記構成のみ追加する、
ことを特徴とする付記１４に記載のプログラム。

【産業上の利用可能性】

【0333】

本発明は、例えばＩＴシステムの設計工程などの知的作業の、効率的な手順の獲得を目的とした強化学習に好適に適用可能である。

【符号の説明】

【0334】

１ システム構成評価装置
１１ 構成評価部
１１１ 構成要素評価部
１１２ 構成総合評価部
１２ 構成要素学習部
１２１ 学習工程制御部
１２２ 設計試行部
１２３ 具体化成功判定部
１２４ 報酬生成部
１２５ 学習データ生成部
１２６ 機械学習部
２ システム構成評価装置
２１ 構成評価部
２２ 構成要素学習部
２２１ 学習工程制御部
２２７ カリキュラム生成部
３ システム構成評価装置
３１ 構成評価部
３２ 構成要素学習部
３３ 設計部
４ システム構成評価装置
４１ 構成評価部
４２ 構成要素学習部
４２２ 設計試行部
４３ 設計部
４４ 絞り込み部
５１０ コンピュータ
５１１ ＣＰＵ
５１２ メインメモリ
５１３ 記憶装置
５１４ 入力インターフェイス
５１５ 表示コントローラ
５１６ データリーダ／ライタ
５１７ 通信インターフェイス
５１８ 入力機器
５１９ ディスプレイ装置
５２０ 記録媒体
５２１ バス

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】

【図27】

【図28】

【図29】

【図30】

【図31】

【図32】

【図33】

【図34】

【図35】

【図36】

【図37】

【図38】

【図39】

【図40】

【図41】

【図42】

【図43】