JP6870469B2 - シミュレーションプログラム、シミュレーション方法及びシミュレーション装置 - Google Patents

Description

本発明の実施形態は、シミュレーションプログラム、シミュレーション方法及びシミュレーション装置に関する。

評価値を最大化させるシミュレーション技術が知られている。例えば、状態表示部と、意思決定選択メニューと、評価関数演算部と、履歴情報保存部と、目標値と評価関数とを比較する比較部とを備えた、オフィスの環境をシミュレーションするオフィス環境シミュレータに関する技術が知られている（特許文献１参照）。当該技術では、比較部によって比較された結果が目標値を下回った場合に状態表示部に通知してオフィスの現在の状態と併せて当該目標値を下回った旨（例えば快適性指数が目標値を下回った旨）を表示することを繰り返す。また、前記技術では、保存した履歴情報をもとにシミュレーション後の利用者行動を分析して、更に望ましい行動（選択）を指摘し、利用者のオフィス環境管理の学習効果を高めている。

さらに、利用者が店舗等の施設を訪問する際に、当該施設に対する選好と時間制約に基づいて、訪問する施設を選択するシミュレーション方法が知られている（非特許文献１参照）。当該技術では、選択した施設を訪問して目的が達成できるか否かを確率的に判定している。そして、目的が達成できるか否かに基づいて、利用者が訪問する施設を決定している。

特開平０６−１０３２６１号公報

Takumi Yoshida，Toshiyuki Kaneda：An Architecture and development Framework for Pedestrians’ Shop-Around Behavior Model inside Commercial district by using Agent-Based Approach，CUPUM’07(2007)Paper 135，pp.16

ところで、店舗でショッピングを行う場合に、利用者は訪問すべき店舗を選択する選択行動を行う。しかしながら、上記技術では、予め、選択候補に対する期待度を示す期待値を与えることができないため、利用者の事前の期待に基づいて、確認作業の継続、終了を判定することができなかった。すなわち、利用者の過去の経験や利用者の趣味嗜好に基づく期待値を反映したシミュレーションを行うことができなかった。

また、上記技術によると、確認済の選択候補や、未確認の選択候補の存在に基づいて、利用者の選択行動を動的に変更できない場合がある。例えば、選択候補が多い場合は、期待値が高い選択候補に対する評価が行われる前に選択が終了してしまうことがある。この場合、期待値が最も高い選択候補は選択されない可能性がある。

一つの態様では、利用者の選択行動を動的に変えることができるシミュレーションプログラム、シミュレーション方法及びシミュレーション装置を提供することを目的とする。

一つの態様において、シミュレーションプログラムは、エージェントを用いて複数の選択候補の中から一つを選択させるシミュレーションをコンピュータに実行させる。前記シミュレーションプログラムは、複数の選択候補の各々に対して予め設定された期待値を用いて、エージェントに前記選択候補に対する確認を行わせるとともに、当該選択候補に対する評価値を算出させる。また、シミュレーションプログラムは、既確認の選択候補に対する前記評価値と、未確認の選択候補に対する前記期待値と、に基づいて、前記確認を行わせる処理を継続するか終了するかを前記エージェントに判定させる。さらに、シミュレーションプログラムは、エージェントが、前記確認する処理を終了させると判定した場合に、既確認の選択候補に対する前記評価値に基づいて、エージェントに一つの選択候補を選択させる。

一つの態様によれば、利用者の選択行動を動的に変えることができる。

図１は、第１の実施形態に係るシミュレーション装置の機能構成例を示すブロック図である。 図２は、第１の実施形態に係るシミュレーション装置が行う処理の流れの一例を示す図である。 図３は、第１の実施形態に係るシミュレーション装置の効果を示す図である。 図４は、第１の実施形態に係るシミュレーション装置が行う処理の内容を示す図である。 図５は、第１の実施形態に係るシミュレーション装置が行う処理の流れを示すフローチャートである。 図６は、第２の実施形態に係るシミュレーション装置の機能構成例を示すブロック図である。 図７は、第２の実施形態に係るシミュレーション装置が行う処理の内容を示す図である。 図８は、第２の実施形態に係るシミュレーション装置が行う処理の流れを示すフローチャートである。 図９は、第３の実施形態に係るシミュレーション装置の機能構成例を示すブロック図である。 図１０は、第３の実施形態に係るシミュレーション装置が行う処理の内容を示す図である。 図１１は、第３の実施形態に係るシミュレーション装置が行う処理の流れを示すフローチャートである。 図１２は、第４の実施形態に係るシミュレーション装置の機能構成例を示すブロック図である。 図１３は、第４の実施形態に係るシミュレーション装置が行う処理の内容を示す図である。 図１４は、第４の実施形態に係るシミュレーション装置が行う処理の流れを示すフローチャートである。 図１５は、第１の実施形態に係るシミュレーション装置のハードウェア構成例を示すブロック図である。 図１６は、背景技術によるシミュレーションの流れの一例を示す図である。 図１７は、背景技術によるシミュレーションの課題を示す図である。

（第１の実施形態）
以下、第１の実施形態として、図面を参照して、シミュレーションプログラム、シミュレーション方法及びシミュレーション装置を説明する。なお、以下の実施形態で説明するシミュレーションプログラム、シミュレーション方法及びシミュレーション装置は、一例を示すに過ぎず、実施形態を限定するものではない。また、以下の各実施形態は、矛盾しない範囲内で適宜組みあわせてもよい。

（背景技術による選択行動のシミュレーション方法）
まず、比較例として、背景技術による選択行動のシミュレーションの課題について説明する。図１６は、背景技術によるシミュレーションの流れの一例を示す図である。

背景技術では、まず、複数の店舗５ａ，５ｂ，５ｃ，…に対して、各店舗５ａ，５ｂ，５ｃ，…に対する選好と、時間制約、距離制約等の制約条件とに基づいて、訪問する店舗をひとつ決定する（図１６（ａ））。次に、決定した店舗、例えば店舗５ｂを訪問して、当該店舗５ｂが好みに合致しているか否かを評価する確認作業を行う（図１６（ｂ））。そして、好みの商品を購入するという目的を達成したか否かに基づいて、確率的にシミュレーションの終了判定を行う（図１６（ｃ））。図１６（ｃ）において、目的を達成したと判定されると、選択行動が終了したと判断されてシミュレーションが終了する（図１６（ｄ））。一方、図１６（ｃ）において、目的が達成していないと判定されると、未訪問の別の店舗に対して同様の評価を繰り返す（図１６（ｅ））。

このような背景技術は、図１７に示す課題を有する。すなわち、未訪問の店舗が選択行動に与える影響は、当該店舗の終了確率を上下することによって間接的に与えることしかできないため、店舗の巡回順序によって、店舗選択の結果に偏りが生じる可能性がある（図１７（ａ））。具体的には、店舗の数が多いと、訪問を繰り返す毎に、訪問を継続する確率は徐々に低減するため、選好の高い店舗を訪れる前に、選択が終了してしまう可能性がある。また、選好の高い店舗を先に訪問すると、後続の店舗を訪問する確率が低くなって、結果的に選好の高い店舗が選択されてしまう。したがって、未訪問の店舗の中に選好に合う店舗があった場合、当該店舗を選択できない可能性がある。

さらに、背景技術によると、１度訪問した店舗を、再度選択の候補とすることができないという課題がある。具体的には、１度訪問して、選好に合わないと判断された店舗５ｂは、その時点で選択候補から外れる。そのため、再び店舗５ｂに戻って再評価を行うことはできない（図１７（ｂ））。したがって、１度訪問した店舗に戻って再度評価を行う行動をシミュレーションすることができない。

このように、従来のシミュレーション方法によると、過去に確認した候補（店舗）や、未確認の候補の存在に応じて、選択行動を動的に変化させることができなかった。

（第１の実施形態の構成）
第１の実施形態は、百貨店等の複数のテナントが存在する施設において、異なるカテゴリの商品を取り扱う複数の店舗の中から、店舗の利用者である消費者の好み（選好）に合った店舗を選択する選択行動をシミュレーションするシミュレーション装置１に関する。店舗は選択候補の一例である。シミュレーション装置１は、購入したい商品カテゴリを持って百貨店等の施設を訪れた消費者が、複数の店舗を順に訪問して、自身の選好に合った店舗で商品を買い求める選択行動の過程をシミュレーションする。

図１は、第１の実施形態に係るシミュレーション装置１の機能構成例を示すブロック図である。シミュレーション装置１は、例えばＰＣ（パーソナルコンピュータ）等の情報処理装置である。シミュレーション装置１は、入力された情報、例えば、選択候補となる複数の店舗、及び各店舗に対する期待値等に基づいて、シミュレーションプログラム（以下、単にプログラムと呼ぶ）を実行し、消費者の選択行動をシミュレーションする。その際、シミュレーション装置１は、ユーザに代わって一連のシミュレーションを代行して実行する、いわゆるエージェントとして機能する。なお、シミュレーション装置１は、複数の異なるカテゴリの商品を選択する選択行動を、並行してシミュレーションするマルチエージェント機能を備えている。

シミュレーション装置１は、図１に示すように、入力部１０、入力情報格納部２０、シミュレーション管理部３０、シミュレーション実行部４０、シミュレーション結果出力部５０及びエージェント情報格納部６０を備える。

入力部１０は、例えばマウスやキーボード等の入力装置より、シミュレーションに必要な後述する各種情報を、シミュレーション管理部３０及びシミュレーション実行部４０に与える。入力部１０は、さらに、選択候補入力部１１と、期待値入力部１２とを備える。選択候補入力部１１は、入力装置の操作に基づいて、選択候補となる複数の店舗を設定する。期待値入力部１２は、入力装置の操作に基づいて、設定した店舗毎に、当該店舗に対して予想される満足度の高さを表す期待値を設定する。

入力情報格納部２０は、入力部１０より入力された各店舗及び期待値等の入力情報を、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）等の記憶装置に格納する。

シミュレーション管理部３０は、後述するシミュレーション実行部４０が行う、消費者の選択行動をシミュレーションする処理を管理する。シミュレーション管理部３０は、シミュレーション実行部４０が行うシミュレーションの進行に応じて、入力情報格納部２０に格納された入力情報と、エージェント情報格納部６０に格納されたシミュレーションの途中経過（各店舗に対する評価値）とを読み出す。また、シミュレーション管理部３０は、読み出した内容をシミュレーション実行部４０へ出力する。さらに、シミュレーション管理部３０は、シミュレーション実行部４０が消費者の行動を逐次シミュレーションした結果を、シミュレーション結果出力部５０へ出力する。

シミュレーション実行部４０は、消費者が、実際に各店舗を訪問した際の評価値を逐次シミュレーションする。さらに、シミュレーション実行部４０は、期待値と評価値とに基づいて、消費者が次にとるべき行動を判定する。具体的には、シミュレーション実行部４０は、未確認の店舗を確認するか、或いは、既確認の店舗の中から１つの店舗を選択するかを判定する。そして、シミュレーション実行部４０は、シミュレーションした結果をシミュレーション管理部３０へ出力する。

シミュレーション実行部４０は、さらに、評価値算出部４１と、判定部４２と、選択部４３を備える。評価値算出部４１は、前記した評価値を算出する。なお、評価値算出部４１は、確認部の一例である。判定部４２は、全ての店舗に対して確認を行ったか否かに基づいて、確認を継続するか終了するかを判定する。また、判定部４２は、未確認の店舗に対する期待値と、既確認の店舗に対する評価値とを比較することによって、確認を継続するか終了するかを判定する。なお、判定部４２は、判定部の一例である。選択部４３は、評価値算出部４１が算出した各店舗に対する評価値を比較することによって、選択すべき店舗を決定する。なお、選択部４３は、選択部の一例である。各部の詳細な機能は後述する。

シミュレーション結果出力部５０は、消費者の行動を逐次シミュレーションした結果である、各店舗に対する評価値を、エージェント情報格納部６０へ格納する。また、シミュレーション結果出力部５０は、エージェント情報格納部６０に格納された評価値等を、モニタ等の表示装置に表示する。或いは、シミュレーション結果出力部５０は、エージェント情報格納部６０に格納された評価値等を、プリンタ等の印字装置に印字出力する。なお、シミュレーション結果は逐次出力してもよいし、或いは、所定時間に亘ってシミュレーションした集計結果を出力してもよい。

エージェント情報格納部６０は、シミュレーションによって得た各店舗に対する評価値等を、ＲＡＭ、ＨＤＤ等の記憶装置に格納する。

（シミュレーション装置が行う処理の流れ）
次に、シミュレーション装置１が行う具体的な処理の流れについて、実例を用いて説明する。図２は、シミュレーション装置１が行う処理の流れの一例を示す図である。

まず、図２（ａ）に示すように、各店舗５ａ，５ｂ，５ｃに対して、期待値を入力する。期待値は、値が大きいほど、期待が高いことを示す。図２（ａ）の例では、店舗５ａに期待値（５）が入力される。また、店舗５ｂに期待値（１０）が入力されて、店舗５ｃに期待値（１５）が入力される。なお、ここでいう期待値とは、消費者の各店舗に対する予想される満足度を表す値であり、期待値の数値が大きいほど、予想される満足度が高いことを示している。期待値は、消費者の過去の買い物履歴、消費者の趣味嗜好、一般情報等に基づいて入力される。例えば、過去に訪問した店舗の評価が高かった場合、当該店舗及びその系列店舗の期待値は高く設定される。また、消費者が好きなブランドの商品を扱う店舗の期待値は高く設定される。さらに、評価が高いという噂のある店舗の期待値は高く設定される。なお、実際のシミュレーションでは、期待値と同時に期待値の分散も設定するが、ここでは、期待値のみを用いて説明を進める。期待値の分散については後述する。

シミュレーション装置１は、シミュレーションを開始すると、複数の店舗５ａ，５ｂ，５ｃのうち、未確認の店舗について確認を行い、当該店舗に対する評価値を算出する。なお、ここでいう確認とは、店舗で商品を確認して、消費者が、当該店舗に対してどれくらい満足するかの評価を行うことである。図２（ｂ）の例は、店舗５ａにおいて確認を行い、評価値（７）が得られた場合を示す。この場合、当初設定した期待値（５）よりも評価値（７）の方が大きいため、店舗５ａに評価値（７）が対応付けて記憶される。すなわち、店舗５ａは、実際に訪問したところ、当初の期待値を超えるものであったことを示す。

次に、シミュレーション装置１は、次に訪れる店舗の選択を行う。この選択は、既に確認した店舗の評価値と、未確認の店舗の期待値とに基づいて行う。図２（ｃ）の例では、シミュレーション装置１は、店舗５ａの評価値（７）と、店舗５ｂの期待値（１０）と、店舗５ｃの期待値（１５）とを比較する。そして、シミュレーション装置１は、比較の結果、店舗５ａの評価値（７）を超える期待値を有する、店舗５ｂ又は店舗５ｃに対して、継続して確認を行うと判定する。店舗５ｂ，５ｃのどちらを先に確認するかは、各店舗までの距離、各店舗の期待値の大小関係等に基づいて、適宜決定すればよい。なお、図２（ｃ）のステップにおいて、仮に、店舗５ａの評価値が未確認の店舗５ｂ，５ｃの期待値よりも大きい場合には、このステップで確認を終了する旨の判定を下してもよい。

図２（ｃ）のステップにおいて、次の店舗５ｂの確認を行うと判定された場合は、図２（ｄ）に示すステップに移行して、新たな店舗の確認を行う。

一方、図２（ｃ）のステップにおいて、確認を終了する旨の判定がなされた場合は、図２（ｅ）のステップに移行して、１つの選択候補を選択してシミュレーションを終了する。このとき、例えば、評価値が最も高かった店舗（例えば店舗５ａ）が選択される。なお、図２（ｃ）において、全ての店舗５ａ，５ｂ，５ｃの確認を終了した場合には、無条件に図２（ｅ）に移行して、シミュレーションを終了する。

（シミュレーション装置が行う処理の効果）
次に、シミュレーション装置１が奏する効果について、図３を用いて説明する。図３は、シミュレーション装置１の効果を示す図である。シミュレーション装置１は、まず、各店舗５ａ，５ｂ，５ｃ，５ｄ，５ｅ，５ｎに期待値を持たせる。そして、シミュレーション装置１は、確認済の選択候補に対する評価値と、未確認の店舗に対する期待値とを比較することによって、選択処理を終了するか継続するかを判断する。したがって、店舗の評価順序の影響を抑制することができるため、図３（ａ）に示すように、期待値が十分大きい（選好度が高い）店舗５ｎであれば、当該店舗５ｎを最後に訪問する場合であっても、店舗５ｎの訪問前に選択処理が終了することはない。

さらに、シミュレーション装置１は、各店舗に対して、期待値とは異なる評価値を算出することで、最終的な選択決定が事前に確定することはない。したがって、過去に確認した店舗に戻って選択を行う行動を再現することができる。例えば、図３（ｂ）に示すように、選択候補となる全ての店舗５ａ，５ｂ，５ｃを回った結果、評価した店舗５ａ，５ｂ，５ｃの中で評価値が最大の店舗（例えば店舗５ｂ）を選択することができる。

（第１の実施形態の作用）
次に、図４を用いて、第１の実施形態におけるシミュレーション装置１の作用について、具体例を用いて説明する。図４は、第１の実施形態に係るシミュレーション装置１が行う処理の内容を示す図である。

図４（ａ）は、カテゴリＫ１の商品、例えば鞄を販売している複数の店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）に対して、それぞれ予め設定した期待値Ｅ（ｘ）と分散Ｖ（ｘ）の一例を示す。店舗Ｆ１１，Ｆ１２，Ｆ１３を特定する情報は、選択候補入力部１１によって入力される。期待値Ｅ（ｘ）及び分散Ｖ（ｘ）は、期待値入力部１２によって入力される。期待値Ｅ（ｘ）は、前記したように、店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）に対して予想される満足度の高さを示す。また、分散Ｖ（ｘ）は、期待値Ｅ（ｘ）のばらつきの大きさを示す。分散Ｖ（ｘ）は、消費者の過去の経験等に基づいて設定される。例えば、消費者がよく知っている店舗ｘであれば、消費者の当該店舗ｘに対する期待値のばらつきは小さくなると考えられるため、分散Ｖ（ｘ）にはより小さい値が設定される。一方、消費者が初めて訪れる店舗ｘであれば、消費者は当該店舗ｘに対する詳細な情報を持たないため、期待値のばらつきは大きくなる。したがって、分散Ｖ（ｘ）にはより大きい値が設定される。さらに、分散Ｖ（ｘ）は、選択候補となる店舗ｘの一般的な特徴に基づいて設定してもよい。例えば、選択行動の対象となるカテゴリの商品を豊富に取り揃えている店舗ｘに対しては、分散Ｖ（ｘ）にはより小さい値が設定される。また、商品在庫の変動が大きかったり、タイムセール等により商品の販売価格が頻繁に変動したりする店舗ｘに対しては、分散Ｖ（ｘ）にはより大きい値が設定される。

図４（ｂ）は、同様に、カテゴリＫ２の商品、例えば化粧品を販売している複数の店舗Ｆ２１，Ｆ２２，Ｆ２３と、各店舗Ｆ２１，Ｆ２２，Ｆ２３に対して、それぞれ予め設定した期待値Ｅ（ｘ）と分散Ｖ（ｘ）の一例を示す。

シミュレーション管理部３０、及びシミュレーション実行部４０（図２）は、複数のカテゴリ（カテゴリＫ１、カテゴリＫ２）に対して、それぞれ独立して選択行動のシミュレーションを行う。その際、シミュレーション装置１は、カテゴリＫ１に対する選択行動と、カテゴリＫ２に対する選択行動とを互いに影響することなくシミュレーションする。

次に、図４（ｃ）から図４（ｅ）を用いて、カテゴリＫ１の商品に対する選択行動のシミュレーションについて説明する。最初に、シミュレーション管理部３０は、シミュレーション実行部４０に対して、店舗Ｆ１１に対する確認を行わせる。このとき、評価値算出部４１は、図４（ａ）の情報を参照して、店舗Ｆ１１に対する期待値Ｅ（Ｆ１１）＝１５と分散Ｖ（Ｆ１１）＝１とに基づいて、店舗Ｆ１１に対する期待値Ｅ（Ｆ１１）は、平均１５、分散１の正規分布をなすと仮定する。そして、評価値算出部４１は、店舗Ｆ１１に対する評価値Ｅｖ（Ｆ１１）＝１４を算出する。評価値Ｅｖ（ｘ）は、例えば、図４（ａ）で設定した期待値Ｅ（ｘ）及び分散Ｖ（ｘ）に基づく正規分布に基づいて確率的に算出すればよい。

判定部４２は、算出された評価値Ｅｖ（Ｆ１１）を、未確認の店舗Ｆ１２の期待値Ｅ（Ｆ１２）及び店舗Ｆ１３の期待値Ｅ（Ｆ１３）とそれぞれ比較する。その結果、Ｅｖ（Ｆ１１）＜Ｅ（Ｆ１２）、Ｅｖ（Ｆ１１）＜Ｅ（Ｆ１３）であるため、判定部４２は、評価値Ｅｖ（Ｆ１１）よりも高い評価値Ｅｖ（ｘ）が得られる可能性があると判断して、確認を継続すると判定する。

次に、シミュレーション管理部３０は、シミュレーション実行部４０に対して、店舗Ｆ１２に対する確認を行わせる。評価値算出部４１は、図４（ａ）の情報を参照して、店舗Ｆ１２に対する期待値Ｅ（Ｆ１２）＝２０と分散Ｖ（Ｆ１２）＝２５とに基づいて、店舗Ｆ１２に対する期待値Ｅ（Ｆ１２）は、平均２０、分散２５の正規分布をなすと仮定する。そして、評価値算出部４１は、図４（ｄ）に示すように、店舗Ｆ１２に対する評価値Ｅｖ（Ｆ１２）＝２３を算出する。

判定部４２は、算出された評価値Ｅｖ（Ｆ１２）を、未確認の店舗Ｆ１３の期待値Ｅ（Ｆ１３）と比較する。その結果、Ｅｖ（Ｆ１２）＜Ｅ（Ｆ１３）であるため、判定部４２は、評価値Ｅｖ（Ｆ１２）よりも高い評価値Ｅｖ（Ｆ１３）が得られる可能性があると判断して、未確認の店舗ｘの確認を継続すると判定する。

続いて、シミュレーション管理部３０は、シミュレーション実行部４０に対して、店舗Ｆ１３に対する確認を行わせる。評価値算出部４１は、図４（ａ）の情報を参照して、店舗Ｆ１３に対する期待値Ｅ（Ｆ１３）＝２５と分散Ｖ（Ｆ１３）＝１００とに基づいて、店舗Ｆ１３に対する期待値Ｅ（Ｆ１３）は、平均２５、分散１００の正規分布をなすと仮定する。そして、評価値算出部４１は、図４（ｅ）に示すように、店舗Ｆ１３に対する評価値Ｅｖ（Ｆ１３）＝２１を算出する。

全ての店舗Ｆ１１，Ｆ１２，Ｆ１３の確認を終了したため、選択部４３は、算出された全ての評価値Ｅｖ（Ｆ１１），Ｅｖ（Ｆ１２），Ｅｖ（Ｆ１３）を比較する。そして、選択部４３は、最大の評価値Ｅｖ（Ｆ１２）を得た店舗Ｆ１２を選択候補として決定する。このように、図４（ａ）から図４（ｅ）の例によると、シミュレーション装置１は、店舗Ｆ１３の評価値Ｅｖ（Ｆ１３）が期待を下回ったため、過去に確認した店舗Ｆ１２に戻って選択候補を確定する行動を再現することができる。

次に、図４（ｆ），図４（ｇ）を用いて、カテゴリＫ２の商品に対する選択行動のシミュレーションについて説明する。最初に、シミュレーション管理部３０は、シミュレーション実行部４０に対して、店舗Ｆ２１に対する確認を行わせる。このとき、評価値算出部４１は、図４（ｆ）の情報を参照して、店舗Ｆ２１に対する期待値Ｅ（Ｆ２１）＝２０と分散Ｖ（Ｆ２１）＝１とに基づいて、店舗Ｆ２１に対する期待値Ｅ（Ｆ２１）は、平均２０、分散１の正規分布をなすと仮定する。そして、評価値算出部４１は、店舗Ｆ２１に対する評価値Ｅｖ（Ｆ２１）＝２２を算出する。

判定部４２は、算出された評価値Ｅｖ（Ｆ２１）を、未確認の店舗Ｆ２２の期待値Ｅ（Ｆ２２）及び店舗Ｆ２３の期待値Ｅ（Ｆ２３）と比較する。その結果、Ｅｖ（Ｆ２１）＜Ｅ（Ｆ２３）であるため、判定部４２は、評価値Ｅｖ（Ｆ２１）よりも高い評価値Ｅｖ（ｘ）が得られる可能性があると判断して、確認を継続すると判定する。

続いて、シミュレーション管理部３０は、シミュレーション実行部４０に対して、店舗Ｆ２２に対する確認を行わせる。評価値算出部４１は、図４（ｆ）の情報を参照して、店舗Ｆ２２に対する期待値Ｅ（Ｆ２２）＝１５と分散Ｖ（Ｆ２２）＝１００とに基づいて、店舗Ｆ２２に対する期待値Ｅ（Ｆ２２）は、平均１５、分散１００の正規分布をなすと仮定する。そして、評価値算出部４１は、図４（ｇ）に示すように、店舗Ｆ２２に対する評価値Ｅｖ（Ｆ２２）＝２６を算出する。

判定部４２は、算出された評価値Ｅｖ（Ｆ２２）を、未確認の店舗Ｆ２３の期待値Ｅ（Ｆ２３）と比較する。その結果、Ｅｖ（Ｆ２２）＞Ｅ（Ｆ２３）であるため、判定部４２は、店舗Ｆ２３の確認は行わないものと判定する。そして、選択部４３は、評価値が最大である店舗Ｆ２２を選択候補として決定する。このように、図４（ｆ），図４（ｇ）の例によると、確認を途中で中断して選択候補を確定する行動を再現することができる。

なお、シミュレーション装置１は、カテゴリＫ１の商品に対する選択行動と、カテゴリＫ２の商品に対する選択行動と、を互いに独立してシミュレーションするため、商品のカテゴリ毎に異なるタイミングで店舗ｘの確認を打ち切る。

（第１の実施形態の処理の流れ）
次に、図５を用いて、第１の実施形態におけるシミュレーション装置１がプログラムを実行することによって行う処理の流れについて説明する。図５は、第１の実施形態に係るシミュレーション装置１が行う処理の流れを示すフローチャートである。

選択候補入力部１１の作用によって、選択候補となる店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）を入力する（ステップＳ１０）。入力した情報は、入力情報格納部２０に格納される。

次に、期待値入力部１２の作用によって、各店舗ｘに対する期待値Ｅ（ｘ）を入力する（ステップＳ１２）。なお、図５のフローチャートには記載しないが、各店舗ｘに対する期待値Ｅ（ｘ）の分散Ｖ（ｘ）も同様に入力する。入力した情報は、入力情報格納部２０に格納される。

シミュレーション管理部３０は、選択候補である店舗ｘの中から、未確認の店舗ｘをひとつ抽出する（ステップＳ１４）。

評価値算出部４１は、ステップＳ１４で抽出された店舗ｘ（選択候補）に対する確認を行って評価値Ｅｖ（ｘ）を算出する（ステップＳ１６）。算出された評価値Ｅｖ（ｘ）は、シミュレーション結果出力部５０に出力されるとともに、エージェント情報格納部６０に格納される。

判定部４２は、全ての店舗ｘ（選択候補）を確認したかを判定する（ステップＳ１８）。判定部４２が、全ての店舗ｘを確認したと判定したとき（ステップＳ１８：Ｙｅｓ）は、ステップＳ２０に移行する。一方、判定部４２が、全ての店舗ｘを確認していないと判定したとき（ステップＳ１８：Ｎｏ）は、ステップＳ２２に移行する。

ステップＳ１８において、判定部４２が、全ての店舗ｘを確認したと判定したとき（ステップＳ１８：Ｙｅｓ）は、選択部４３は、既確認の店舗ｘの評価値Ｅｖ（ｘ）に基づいて、最終的な選択候補の店舗ｘを決定する（ステップＳ２０）。

続いて、シミュレーション管理部３０は、エージェント情報格納部６０から、決定した店舗ｘ（選択候補）のシミュレーション結果を読み出す（ステップＳ２４）。

さらに、シミュレーション管理部３０は、選択候補を店舗ｘに確定させる（ステップＳ２６）。確定した結果は、シミュレーション結果出力部５０に出力されるとともに、エージェント情報格納部６０に格納されて（不図示）、図５の処理を終了する。

なお、ステップＳ１８において、判定部４２が、全ての店舗ｘを確認していないと判定したとき（ステップＳ１８：Ｎｏ）は、判定部４２は、シミュレーションの終了又は継続を判定する（ステップＳ２２）。判定部４２が、シミュレーションを終了すると判定したときは、ステップＳ２０に移行する。一方、判定部４２が、シミュレーションを継続すると判定したときは、ステップＳ１４に移行する。

また、図５のフローチャートには示さないが、シミュレーション装置１は、マルチエージェント機能を備えており、複数のカテゴリＫ１，Ｋ２，…の商品に対する選択行動を、同時にシミュレーションする。

以上、説明したように、第１の実施形態のシミュレーション装置１は、プログラムを実行することによって、複数の店舗ｘ（選択候補）の各々に対して予め設定された期待値Ｅ（ｘ）を用いて、エージェントに店舗ｘに対する確認を行わせる。そして、シミュレーション装置１は、プログラムを実行することによって、エージェントに当該店舗ｘに対する評価値Ｅｖ（ｘ）を算出させる処理を行う。また、シミュレーション装置１は、プログラムを実行することによって、既確認の店舗ｘに対する評価値Ｅｖ（ｘ）と未確認の店舗ｘに対する期待値Ｅ（ｘ）とに基づいて、店舗ｘを確認する処理を継続するか終了するかをエージェントに判定させる処理を行う。さらに、シミュレーション装置１は、プログラムを実行することによって、前記判定させる処理が、前記確認を行わせる処理を終了すると判定した場合に、既確認の店舗ｘに対する評価値Ｅｖ（ｘ）に基づいて、エージェントに一つの店舗ｘを選択させる処理を行う。したがって、既確認の店舗ｘに対する評価値Ｅｖ（ｘ）と、未確認の店舗ｘに対する期待値Ｅ（ｘ）とに基づいて、利用者の選択行動を動的に変えることができる。

また、第１の実施形態のシミュレーション装置１は、プログラムを実行することによって、店舗ｘの期待値Ｅ（ｘ）と期待値Ｅ（ｘ）の分散Ｖ（ｘ）とに基づいて、エージェントに店舗ｘの確認を行わせ、評価値Ｅｖ（ｘ）を算出させる。したがって、例えば、平均値Ｅ（ｘ）、分散Ｖ（ｘ）の正規分布から確率的に評価値Ｅｖ（ｘ）を算出することができる。さらに、分散Ｖ（ｘ）は、例えば消費者の過去の経験等に基づく値を設定することができるため、現実に近い評価値Ｅｖ（ｘ）を算出することができる。

（第２の実施形態）
次に、第２の実施形態について説明する。第２の実施形態は、第１の実施形態で説明した選択行動を行う際に、選択行動に関わる制約条件を課した例である。特に、第２の実施形態は、選択行動のシミュレーションを行う際に、制約条件として時間制約を課した例である。より具体的には、第２の実施形態は、未確認の店舗（選択候補）の選択に充当できる上限時間を設定して、この上限時間内に店舗を決定させる例である。

（第２の実施形態の構成）
図６は、第２の実施形態に係るシミュレーション装置１ａの機能構成例を示すブロック図である。シミュレーション装置１ａの機能構成は、前記したシミュレーション装置１の機能構成（図１）とほぼ同じであるが、入力部１０に代わって入力部１０ａを備える。また、シミュレーション実行部４０に代わってシミュレーション実行部４０ａを備える。なお、シミュレーション管理部３０は、第１の実施形態で説明した機能に加えて、選択行動の実行が可能な残り時間の管理を行う。

入力部１０ａは、さらに、選択候補入力部１１と、期待値入力部１２と、上限時間入力部１３を備える。このうち、選択候補入力部１１と、期待値入力部１２の機能は、第１の実施形態で説明した通りである。上限時間入力部１３は、未確認の店舗（選択候補）の確認に充当できる上限時間を設定する。シミュレーション装置１ａは、上限時間入力部１３によって設定された情報を用いることによって、消費者の選択行動をシミュレーションする際に、例えば、２時間以内に店舗ｘの選択を終了しなければならないという制約条件を課す。

シミュレーション実行部４０ａは、さらに、評価値算出部４１と、判定部４２と、選択部４３と、期待値更新部４４を備える。このうち、評価値算出部４１と、判定部４２と、選択部４３の機能は、第１の実施形態で説明した通りである。期待値更新部４４は、前記した上限時間と、既確認の店舗ｘの確認に充当した時間とから算出した残り時間に基づいて、未確認の店舗ｘの期待値Ｅ（ｘ）を更新する。

（第２の実施形態の作用）
次に、図７を用いて、第２の実施形態におけるシミュレーション装置１ａの作用について、具体例を用いて説明する。図７は、第２の実施形態に係るシミュレーション装置１ａが行う処理の内容を示す図である。

図７（ａ）は、カテゴリＫ１の商品、例えば鞄を販売している複数の店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）に対して、それぞれ予め設定した期待値Ｅ（ｘ）と分散Ｖ（ｘ）の一例を示す。なお、図７（ａ）の内容は、第１の実施形態で説明した図４（ａ）の内容と同じである。なお、シミュレーション開始時に、未確認の店舗ｘ（選択候補）の確認に充当できる上限時間は２時間に設定されているものとする。そして、１つの店舗ｘで確認を行うのには例えば３０分を要して、１つの店舗ｘの確認を行う毎に、残り時間は３０分ずつ減少するものとする。

最初に、シミュレーション管理部３０は、シミュレーション実行部４０ａに対して、店舗Ｆ１１に対する確認を行わせる。評価値算出部４１は、図７（ａ）の情報を参照して、第１の実施形態で説明したのと同様にして、図７（ｂ）に示すように、店舗Ｆ１１に対する評価値Ｅｖ（Ｆ１１）＝１４を算出する。

ここで、期待値更新部４４は、店舗Ｆ１１の確認に３０分を要したと想定して、未確認の店舗Ｆ１２，Ｆ１３の期待値Ｅ（Ｆ１２），Ｅ（Ｆ１３）を再計算して更新する。具体的には、数式（１）によって、期待値Ｅ（Ｆ１２）を期待値Ｅａ（Ｆ１２）に更新する。また、数式（２）によって、期待値Ｅ（Ｆ１３）を期待値Ｅａ（Ｆ１３）に更新する。
Ｅａ（Ｆ１２）＝Ｅ（Ｆ１２）＊（１２０−３０）／１２０ （１）
Ｅａ（Ｆ１３）＝Ｅ（Ｆ１３）＊（１２０−３０）／１２０ （２）
この更新によって、図７（ｂ）に示すように、期待値Ｅ（Ｆ１２）は、期待値Ｅａ（Ｆ１２）＝１５に更新されて、期待値Ｅ（Ｆ１３）は、期待値Ｅａ（Ｆ１３）＝１８．７５に更新される。すなわち、期待値更新部４４は、残り時間の減少に応じて、期待値Ｅ（ｘ）を低く更新することにより、未確認の店舗ｘを選択されにくくする。

判定部４２は、算出された評価値Ｅｖ（Ｆ１１）を、未確認の店舗Ｆ１２の期待値Ｅａ（Ｆ１２）及び店舗Ｆ１３の期待値Ｅａ（Ｆ１３）と比較する。その結果、Ｅｖ（Ｆ１１）＜Ｅａ（Ｆ１２）、Ｅｖ（Ｆ１１）＜Ｅａ（Ｆ１３）であるため、判定部４２は、評価値Ｅｖ（Ｆ１１）よりも高い評価値Ｅｖ（Ｆ１２），Ｅｖ（Ｆ１３）が得られる可能性があると判断して、未確認の店舗Ｆ１２，Ｆ１３の確認を継続すると判定する。

続いて、シミュレーション管理部３０は、シミュレーション実行部４０ａに対して、店舗Ｆ１２に対する確認を行わせる。評価値算出部４１は、図８（ｂ）の情報を参照して、店舗Ｆ１２に対する期待値Ｅａ（Ｆ１２）＝１５、分散Ｖ（Ｆ１２）＝２５に基づいて、店舗Ｆ１２に対する期待値Ｅａ（Ｆ１２）は、平均１５、分散２５の正規分布をなすと仮定する。そして、評価値算出部４１は、図７（ｃ）に示すように、店舗Ｆ１２に対する評価値Ｅｖ（Ｆ１２）＝２３を算出する。

ここで、期待値更新部４４は、店舗Ｆ１２の確認に３０分を要したと想定して、未確認の店舗Ｆ１３の期待値Ｅａ（Ｆ１３）を更新する。具体的には、数式（３）によって、期待値Ｅａ（Ｆ１３）を期待値Ｅｂ（Ｆ１３）に更新する。
Ｅｂ（Ｆ１３）＝Ｅ（Ｆ１２）＊（１２０−６０）／１２０ （３）
これによって、期待値Ｅａ（Ｆ１３）＝１８．７５は、期待値Ｅｂ（Ｆ１３）＝１２．５に更新される（図７（ｃ））。

判定部４２は、算出された評価値Ｅｖ（Ｆ１２）を、未確認の店舗Ｆ１３の期待値Ｅｂ（Ｆ１３）と比較する。その結果、Ｅｖ（Ｆ１２）＞Ｅｂ（Ｆ１３）であるため、判定部４２は、店舗Ｆ１３の確認は行わない、すなわちシミュレーションを終了すると判定する。

選択部４３は、評価値Ｅｖ（ｘ）が最も高い店舗Ｆ１２を選択候補として選択する。このように、第２の実施形態によると、残り時間の減少に応じて期待値Ｅ（ｘ）を減少させることにより、選択すべき店舗ｘを早く決定する選択行動を再現することができる。

（第２の実施形態の処理の流れ）
次に、図８を用いて、第２の実施形態におけるシミュレーション装置１ａがプログラムを実行することによって行う処理の流れについて説明する。図８は、第２の実施形態に係るシミュレーション装置１ａが行う処理の流れを示すフローチャートである。

シミュレーション装置１ａが行う、選択候補となる店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）の入力（ステップＳ３０）、及び各店舗ｘに対する期待値Ｅ（ｘ）の入力（ステップＳ３２）は、それぞれ、第１の実施形態で説明したステップＳ１０及びステップＳ１２（図５）と同様の処理である。

続いてシミュレーション装置１ａが行う、選択候補である店舗ｘの中からの未確認の店舗ｘの抽出（ステップＳ３４）、及び抽出された店舗ｘに対する評価値Ｅｖ（ｘ）の算出（ステップＳ３６）は、それぞれ、第１の実施形態で説明したステップＳ１４及びステップＳ１６（図５）と同様の処理である。

次に、判定部４２は、全ての店舗ｘ（選択候補）を確認したかを判定する（ステップＳ３８）。判定部４２が、全ての店舗ｘを確認したと判定したとき（ステップＳ３８：Ｙｅｓ）は、ステップＳ４０に移行する。一方、判定部４２が、全ての店舗ｘを確認していないと判定したとき（ステップＳ３８：Ｎｏ）は、ステップＳ４２に移行する。

ステップＳ３８において、判定部４２が、全ての店舗ｘを確認したと判定したとき（ステップＳ３８：Ｙｅｓ）は、選択部４３は、既確認の店舗ｘの評価値Ｅｖ（ｘ）に基づいて、最終的な選択候補の店舗ｘを決定する（ステップＳ４０）。

続いてシミュレーション管理部３０が行う、決定した店舗ｘに関するシミュレーション結果の読み出し（ステップＳ４４）、及び選択候補の確定（ステップＳ４６）は、それぞれ、第１の実施形態で説明したステップＳ２４及びステップＳ２６（図５）と同様の処理である。

なお、ステップＳ３８において、判定部４２が、全ての店舗ｘを確認していないと判定したとき（ステップＳ３８：Ｎｏ）は、シミュレーション管理部３０は、選択行動を継続可能な残り時間を計算する（ステップＳ４２）。

次に、期待値更新部４４は、未確認の店舗ｘ（選択候補）について、ステップＳ４２で算出した残り時間に基づいて、期待値Ｅ（ｘ）を再計算して更新する（ステップＳ４８）。

続いて、判定部４２は、シミュレーションの終了又は継続を判定する（ステップＳ５０）。判定部４２が、シミュレーションを終了すると判定したときは、ステップＳ４０に移行する。一方、判定部４２が、シミュレーションを継続すると判定したときは、ステップＳ３４に移行する。

以上、説明したように、第２の実施形態のシミュレーション装置１ａは、プログラムを実行することによって、エージェントに複数の店舗ｘ（選択候補）の各々に対する期待値Ｅ（ｘ）を設定させる。また、シミュレーション装置１ａは、プログラムを実行することによって、未確認の店舗ｘの確認に充当できる上限時間と、既確認の店舗ｘの確認に充当した時間とに基づいて、エージェントに残り時間を算出させる。そして、シミュレーション装置１ａは、プログラムを実行することによって、残り時間に基づいて、エージェントに未確認の店舗ｘに対する期待値Ｅ（ｘ）を更新させる。したがって、制約条件を課した状態で、選択行動のシミュレーションを行うことができる。特に、本態様によると、選択行動を実行可能な残り時間を制約条件として設定するため、残り時間が少ない場合には、それに応じて、未確認の店舗ｘに対する期待値Ｅ（ｘ）を引き下げることによって、選択すべき店舗ｘを早く決定する選択行動を再現することができる。

（第３の実施形態）
次に、第３の実施形態について説明する。第３の実施形態は、選択行動のシミュレーションを行う際に、制約条件として店舗の混雑度を用いた例である。より具体的には、第３の実施形態は、選択行動のシミュレーションに店舗の混雑度を反映することによって、混雑した店舗を選択されにくくする例である。

（第３の実施形態の構成）
図９は、第３の実施形態に係るシミュレーション装置１ｂの機能構成例を示すブロック図である。シミュレーション装置１ｂの機能構成は、前記したシミュレーション装置１の機能構成（図１）とほぼ同じであるが、入力部１０に代わって入力部１０ｂを備える。また、シミュレーション実行部４０に代わってシミュレーション実行部４０ｂを備える。

入力部１０ｂは、選択候補入力部１１と、期待値入力部１２と、混雑度取得部１４を備える。このうち、選択候補入力部１１と、期待値入力部１２の機能は、第１の実施形態で説明した通りである。そして、混雑度取得部１４は、店舗ｘの混雑度Ｃ（ｘ）を取得する。

なお、混雑度Ｃ（ｘ）は、例えば、対象となる店舗ｘに対して確認を行っている際に、当該店舗ｘに対して、同時に確認を行っている他のエージェントの数と、店舗ｘの容量（例えば店舗面積）とに基づいて算出する。すなわち、混雑度取得部１４は、店舗ｘに対して確認を行っている他のエージェントの数が多いほど、また、店舗ｘの容量が小さいほど、店舗ｘは混雑しているものとみなす。

シミュレーション実行部４０ｂは、評価値算出部４１と、判定部４２と、選択部４３と、評価値更新部４５を備える。このうち、評価値算出部４１と、判定部４２と、選択部４３の機能は、第１の実施形態で説明した通りである。そして、評価値更新部４５は、確認によって得た店舗ｘの評価値Ｅｖ（ｘ）を、店舗ｘの混雑度Ｃ（ｘ）に応じて更新する。すなわち、混雑度Ｃ（ｘ）が高い場合には、それに応じて、確認した店舗ｘに対する評価値Ｅｖ（ｘ）を引き下げる。これによって、混雑している店舗ｘは選択されにくくなる。

（第３の実施形態の作用）
次に、図１０を用いて、第３の実施形態におけるシミュレーション装置１ｂの作用について、具体例を用いて説明する。図１０は、第３の実施形態に係るシミュレーション装置１ｂが行う処理の内容を示す図である。

図１０（ａ）は、カテゴリＫ１の商品、例えば鞄を販売している複数の店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）に対して、それぞれ予め設定した期待値Ｅ（ｘ）と分散Ｖ（ｘ）の一例を示す。さらに、図１０（ａ）に示すように、各店舗ｘに対して、店舗ｘの広さ（例えば店舗面積）に応じた容量Ｕ（ｘ）を設定しておく。この容量Ｕ（ｘ）は、各店舗ｘがどれ位の客を受け入れられるかを示す指標となる。

本実施形態では、各店舗ｘに対する確認を行う際に、シミュレーション装置１ｂは、エージェント情報格納部６０から、同じ店舗ｘに対して確認を行っているエージェントの数を取得する。そして、混雑度取得部１４は、取得したエージェントの数を前記した容量Ｕ（ｘ）で除して、その結果が大きいほど、店舗ｘの混雑度Ｃ（ｘ）が高いと判断する。評価値更新部４５は、店舗ｘに対する確認を行って得た評価値Ｅｖ（ｘ）を、混雑度Ｃ（ｘ）に基づいて再計算して、新たな評価値Ｅｖａ（ｘ）として更新する。更新後の評価値Ｅｖａ（ｘ）は、数式（４）を用いて算出する。
Ｅｖａ（ｘ）＝Ｅｖ（ｘ）＊（１−Ｃ（ｘ）） （４）

最初に、シミュレーション管理部３０は、シミュレーション実行部４０ｂに対して、店舗Ｆ１１に対する確認を行わせる。評価値算出部４１は、図１０（ａ）の情報を参照して、第１の実施形態で説明したのと同様にして、図１０（ｂ）に示すように、店舗Ｆ１１に対する評価値Ｅｖ（Ｆ１１）＝１４を算出する。

混雑度取得部１４が取得した店舗Ｆ１１の混雑度Ｃ（Ｆ１１）は０であったとする。すなわち、店舗Ｆ１１は混んでいなかったとする。したがって、シミュレーション管理部３０は、評価値算出部４１が算出した評価値Ｅｖ（Ｆ１１）＝１４を更新せずに採用する。

続いて、シミュレーション管理部３０は、シミュレーション実行部４０ｂに対して、店舗Ｆ１２に対する確認を行わせる。評価値算出部４１は、図１０（ｂ）の情報を参照して、店舗Ｆ１２に対する期待値Ｅ（Ｆ１２）＝２０、分散Ｖ（Ｆ１２）＝２５に基づいて、店舗Ｆ１２に対する期待値Ｅ（Ｆ１２）は、平均２０、分散２５の正規分布をなすと仮定する。そして、評価値算出部４１は、店舗Ｆ１２に対する評価値Ｅｖ（Ｆ１２）＝２３（不図示）を算出する。

さらに、混雑度取得部１４は、店舗Ｆ１２の混雑度Ｃ（Ｆ１２）を取得する。店舗Ｆ１２の混雑度Ｃ（Ｆ１２）は、図１０（ｃ）に示すように、Ｃ（Ｆ１２）＝０．５であったとする。したがって、評価値更新部４５は、図１０（ｃ）に示すように、店舗Ｆ１２の前記した評価値Ｅｖ（Ｆ１２）＝２３を、評価値Ｅｖａ（Ｆ１２）＝１１．５（２３＊（１−０．５））に更新する。

判定部４２は、算出された評価値Ｅｖａ（Ｆ１２）＝１１．５を、未確認の店舗Ｆ１３の期待値Ｅ（Ｆ１３）＝２５と比較する。その結果、Ｅｖａ（Ｆ１２）＜Ｅ（Ｆ１３）であるため、判定部４２は、未確認の店舗Ｆ１３の確認を継続すると判定する。

続いて、シミュレーション管理部３０は、シミュレーション実行部４０ｂに対して、店舗Ｆ１３に対する確認を行わせる。評価値算出部４１は、図１０（ｃ）の情報を参照して、店舗Ｆ１３に対する期待値Ｅ（Ｆ１３）＝２５、分散Ｖ（Ｆ１３）＝１００に基づいて、店舗Ｆ１３に対する期待値Ｅ（Ｆ１３）は、平均２５、分散１００の正規分布をなすと仮定する。そして、評価値算出部４１は、店舗Ｆ１３に対する評価値Ｅｖ（Ｆ１３）＝２１（不図示）を算出する。

さらに、混雑度取得部１４は、店舗Ｆ１３の混雑度Ｃ（Ｆ１３）を取得する。店舗Ｆ１３の混雑度Ｃ（Ｆ１３）は、図１０（ｄ）に示すように、Ｃ（Ｆ１３）＝０．２であったとする。したがって、評価値更新部４５は、図１０（ｄ）に示すように、店舗Ｆ１３の前記した評価値Ｅｖ（Ｆ１３）＝２１を、評価値Ｅｖａ（Ｆ１３）＝１６．８（２１＊（１−０．２））に更新する。

判定部４２は、全ての店舗ｘを確認したことに基づいて、各店舗ｘに対する確認を終了させる。そして、選択部４３は、各店舗ｘに対する評価値Ｅｖ（ｘ）（Ｅｖａ（ｘ））を比較することによって、評価値Ｅｖａ（ｘ）が最大である店舗Ｆ１３を選択候補として選択する。このように、第３の実施形態によると、混雑度Ｃ（ｘ）が高い店舗Ｆ１２の訪問を避ける選択行動を再現することができる。

（第３の実施形態の処理の流れ）
次に、図１１を用いて、第３の実施形態におけるシミュレーション装置１ｂがプログラムを実行することによって行う処理の流れについて説明する。図１１は、第３の実施形態に係るシミュレーション装置１ｂが行う処理の流れを示すフローチャートである。

シミュレーション装置１ｂが行う、選択候補となる店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）の入力（ステップＳ６０）、及び各店舗ｘに対する期待値Ｅ（ｘ）の入力（ステップＳ６２）は、それぞれ、第１の実施形態で説明したステップＳ１０及びステップＳ１２（図５）と同様の処理である。

続いてシミュレーション装置１ｂが行う、選択候補である店舗ｘの中からの未確認の店舗ｘの抽出（ステップＳ６４）、及び抽出された店舗ｘに対する評価値Ｅｖ（ｘ）の算出（ステップＳ６６）は、それぞれ、第１の実施形態で説明したステップＳ１４及びステップＳ１６（図５）と同様の処理である。

次に、混雑度取得部１４は、ステップＳ６４で抽出された店舗ｘの混雑度Ｃ（ｘ）を取得する。そして、評価値更新部４５は、取得された混雑度Ｃ（ｘ）に基づいて店舗ｘの評価値Ｅｖ（ｘ）を更新する（ステップＳ６８）。

判定部４２は、全ての店舗ｘ（選択候補）を確認したかを判定する（ステップＳ７０）。判定部４２が、全ての店舗ｘを確認したと判定したとき（ステップＳ７０：Ｙｅｓ）は、ステップＳ７２に移行する。一方、判定部４２が、全ての店舗ｘを確認していないと判定したとき（ステップＳ７０：Ｎｏ）は、ステップＳ７４に移行する。

ステップＳ７０において、判定部４２が、全ての店舗ｘを確認したと判定したとき（ステップＳ７０：Ｙｅｓ）は、選択部４３は、既確認の店舗ｘの評価値Ｅｖ（ｘ）に基づいて、最終的な選択候補の店舗ｘを決定する（ステップＳ７２）。

続いてシミュレーション管理部３０が行う、決定した店舗ｘに関するシミュレーション結果の読み出し（ステップＳ７６）、及び選択候補の確定（ステップＳ７８）は、それぞれ、第１の実施形態で説明したステップＳ２４及びステップＳ２６（図５）と同様の処理である。

なお、ステップＳ７０において、判定部４２が、全ての店舗ｘを確認していないと判定したとき（ステップＳ７０：Ｎｏ）は、判定部４２は、シミュレーションの終了又は継続を判定する（ステップＳ７４）。判定部４２が、シミュレーションを終了すると判定したときは、ステップＳ７２に移行する。一方、判定部４２が、シミュレーションを継続すると判定したときは、ステップＳ６４に移行する。

以上、説明したように、第３の実施形態のシミュレーション装置１ｂは、プログラムを実行することによって、エージェントに複数の店舗ｘ（選択候補）の各々の混雑度Ｃ（ｘ）を設定させる。また、シミュレーション装置１ｂは、プログラムを実行することによって、エージェントに、確認済の店舗ｘに対する評価値Ｅ（ｘ）を混雑度Ｃ（ｘ）に基づいて更新させる。したがって、制約条件を課した状態で、選択行動のシミュレーションを行うことができる。特に、本態様によると、店舗ｘの混雑度Ｃ（ｘ）を制約条件として設定するため、混雑している店舗ｘを選択しにくくすることができる。これにより、混雑度Ｃ（ｘ）が高い店舗Ｆ１２の訪問を避ける選択行動を再現することができる。

（第４の実施形態）
次に、第４の実施形態について説明する。第４の実施形態は、選択行動のシミュレーションを行う際に、制約条件として店舗間の距離を用いた例である。より具体的には、第４の実施形態は、選択行動のシミュレーションに店舗間の距離を反映することによって、遠く離れた位置にある店舗を選択されにくくする例である。

（第４の実施形態の構成）
図１２は、第４の実施形態に係るシミュレーション装置１ｃの機能構成例を示すブロック図である。シミュレーション装置１ｃの機能構成は、前記したシミュレーション装置１の機能構成（図１）とほぼ同じであるが、入力部１０に代わって入力部１０ｃを備える。また、シミュレーション実行部４０に代わってシミュレーション実行部４０ｃを備える。

入力部１０ｃは、選択候補入力部１１と、期待値入力部１２と、距離入力部１５を備える。このうち、選択候補入力部１１と、期待値入力部１２の機能は、第１の実施形態で説明した通りである。距離入力部１５は、選択候補である各店舗ｘの間の距離を設定する。

シミュレーション実行部４０ｃは、評価値算出部４１と、判定部４２と、選択部４３と、期待値更新部４６を備える。このうち、評価値算出部４１と、判定部４２と、選択部４３の機能は、第１の実施形態で説明した通りである。期待値更新部４６は、未確認の店舗ｘに対して、前記した店舗ｘ間の距離に基づいて、期待値Ｅ（ｘ）を更新する。すなわち、距離が離れた未確認の店舗ｘは、距離の遠さに応じて、未確認の店舗ｘに対する期待値Ｅ（ｘ）を引き下げる。これによって、距離が離れた未確認の店舗ｘを選択しにくくする。

（第４の実施形態の作用）
次に、図１３を用いて、第４の実施形態におけるシミュレーション装置１ｃの作用について、具体例を用いて説明する。図１３は、第４の実施形態に係るシミュレーション装置１ｃが行う処理の内容を示す図である。

図１３（ａ）は、選択候補である店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）の互いの位置関係を示す図である。図１３（ａ）は、店舗Ｆ１１と店舗Ｆ１３は近接した位置にあることと、店舗Ｆ１２は、店舗Ｆ１１と店舗Ｆ１３から離れた位置にあることを示している。

図１３（ｂ）は、複数の店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）に対して、それぞれ予め設定した期待値Ｅ（ｘ）と分散Ｖ（ｘ）の一例を示す。図１３（ｂ）は、第１の実施形態で説明した図４（ａ）と同じである。なお、シミュレーション装置１ｃが行うシミュレーションでは、まず、選択行動を行う消費者の初期位置を設定する必要がある。ここでは、消費者の初期位置は、店舗Ｆ１１であるとする。

最初に、シミュレーション管理部３０は、シミュレーション実行部４０ｃに対して、エージェントの初期位置である店舗Ｆ１１に対する確認を行わせる。評価値算出部４１は、図１３（ｂ）の情報を参照して、第１の実施形態で説明したのと同様にして、図１３（ｃ）に示すように、店舗Ｆ１１に対する評価値Ｅｖ（Ｆ１１）＝１４を算出する。

ここで、期待値更新部４６は、未確認の店舗Ｆ１２，Ｆ１３の期待値Ｅ（Ｆ１２），Ｅ（Ｆ１３）を再計算して更新する。具体的には、数式（５）によって、期待値Ｅ（Ｆ１２）を期待値Ｅａ（Ｆ１２）に更新する。また、数式（６）によって、期待値Ｅ（Ｆ１３）を期待値Ｅａ（Ｆ１３）に更新する。
Ｅａ（Ｆ１２）＝Ｅ（Ｆ１２）＊（２００−１００）／２００ （５）
Ｅａ（Ｆ１３）＝Ｅ（Ｆ１３）＊（２００−１０）／２００ （６）
これによって、図１３（ｃ）に示すように、期待値Ｅ（Ｆ１２）は、期待値Ｅａ（Ｆ１２）＝１０に更新されて、期待値Ｅ（Ｆ１３）は、期待値Ｅａ（Ｆ１３）＝２３．７５に更新される。なお、数式（５），数式（６）に示すように、本実施形態では、異なる店舗ｘ間の距離が２００ｍ離れていた場合には、期待値Ｅａ（ｘ）は０に更新される。また、店舗ｘ間の距離が２００ｍを超えた場合には、更新される期待値Ｅａ（ｘ）は０とする。すなわち、シミュレーション装置１ｃでは、２００ｍ以上離れた店舗ｘは選択しないものとする。なお、ここで設定した距離の基準となる２００ｍという値は一例であって、適宜設定すればよい。

判定部４２は、算出された評価値Ｅｖ（Ｆ１１）を、未確認の店舗Ｆ１２の期待値Ｅａ（Ｆ１２）及び店舗Ｆ１３の期待値Ｅａ（Ｆ１３）と比較する。その結果、Ｅｖ（Ｆ１１）＞Ｅａ（Ｆ１２）、Ｅｖ（Ｆ１１）＜Ｅａ（Ｆ１３）であるため、判定部４２は、評価値Ｅｖ（Ｆ１１）よりも高い評価値Ｅｖ（Ｆ１３）が得られる可能性があると判断する。そして、判定部４２は、未確認の店舗Ｆ１２の確認を飛ばして、先に未確認の店舗Ｆ１３の確認を行うと判定する。

続いて、シミュレーション管理部３０は、シミュレーション実行部４０ｃに対して、店舗Ｆ１３に対する確認を行わせる。評価値算出部４１は、図１３（ｃ）の情報を参照して、店舗Ｆ１３に対する期待値Ｅａ（Ｆ１３）＝２３．７５、分散Ｖ（Ｆ１３）＝１００に基づいて、店舗Ｆ１３に対する期待値Ｅａ（Ｆ１３）は、平均２３．７５、分散１００の正規分布をなすと仮定する。そして、評価値算出部４１は、図１３（ｄ）に示すように、店舗Ｆ１３に対する評価値Ｅｖ（Ｆ１３）＝２１を算出する。

期待値更新部４６は、未確認の店舗Ｆ１２の期待値Ｅａ（Ｆ１２）を再計算して更新する。本実施形態の場合、店舗Ｆ１３，店舗Ｆ１２間の距離（１００ｍ）は、店舗Ｆ１１，店舗Ｆ１２間の距離と等しい。したがって、店舗Ｆ１２に対する期待値Ｅａ（Ｆ１２）は更新されず、Ｅａ（Ｆ１２）＝１０のままとなる。

判定部４２は、算出された評価値Ｅｖ（Ｆ１３）＝２１を、未確認の店舗Ｆ１２の期待値Ｅａ（Ｆ１２）＝１０と比較する。その結果、Ｅｖ（Ｆ１３）＞Ｅａ（Ｆ１２）であるため、判定部４２は、店舗Ｆ１２の確認は行わない、すなわちシミュレーションを終了すると判定する。

選択部４３は、評価値Ｅｖ（ｘ）が最も高い店舗Ｆ１３を選択候補として選択する。このように、第４の実施形態によると、店舗ｘ間の距離に応じて期待値Ｅ（ｘ）を更新することにより、離れた位置にある店舗Ｆ１２への訪問を避けるという選択行動を再現することができる。

（第４の実施形態の処理の流れ）
次に、図１４を用いて、第４の実施形態におけるシミュレーション装置１ｃがプログラムを実行することによって行う処理の流れについて説明する。図１４は、第４の実施形態に係るシミュレーション装置１ｃが行う処理の流れを示すフローチャートである。

シミュレーション装置１ｃが行う、選択候補となる店舗ｘ（ｘ＝Ｆ１１，Ｆ１２，Ｆ１３）の入力（ステップＳ８０）、及び各店舗ｘに対する期待値Ｅ（ｘ）の入力（ステップＳ８２）は、それぞれ、第１の実施形態で説明したステップＳ１０及びステップＳ１２（図５）と同様の処理である。なお、図１４のフローチャートには図示しないが、ステップＳ８０では、距離入力部１５の作用によって、店舗ｘ間の距離の入力も行われる。

次に、期待値更新部４６は、未確認の店舗ｘ（選択候補）について、店舗ｘ間の距離に基づいて、期待値Ｅ（ｘ）を再計算して更新する（ステップＳ８４）。

続いてシミュレーション装置１ｃが行う、選択候補である店舗ｘの中からの未確認の店舗ｘの抽出（ステップＳ８６）、及び抽出された店舗ｘに対する評価値Ｅｖ（ｘ）の算出（ステップＳ８８）は、それぞれ、第１の実施形態で説明したステップＳ１４及びステップＳ１６（図５）と同様の処理である。

次に、判定部４２は、全ての店舗ｘ（選択候補）を確認したかを判定する（ステップＳ９０）。判定部４２が、全ての店舗ｘを確認したと判定したとき（ステップＳ９０：Ｙｅｓ）は、ステップＳ９２に移行する。一方、判定部４２が、全ての店舗ｘを確認していないと判定したとき（ステップＳ９０：Ｎｏ）は、ステップＳ９４に移行する。

ステップＳ９０において、判定部４２が、全ての店舗ｘを確認したと判定したとき（ステップＳ９０：Ｙｅｓ）は、選択部４３は、既確認の店舗ｘの評価値Ｅｖ（ｘ）に基づいて、最終的な選択候補の店舗ｘを決定する（ステップＳ９２）。

続いてシミュレーション管理部３０が行う、決定した店舗ｘに関するシミュレーション結果の読み出し（ステップＳ９６）、及び選択候補の確定（ステップＳ９８）は、それぞれ、第１の実施形態で説明したステップＳ２４及びステップＳ２６（図５）と同様の処理である。

なお、ステップＳ９０において、判定部４２が、全ての店舗ｘを確認していないと判定したとき（ステップＳ９０：Ｎｏ）は、判定部４２は、シミュレーションの終了又は継続を判定する（ステップＳ９４）。判定部４２が、シミュレーションを終了すると判定したときは、ステップＳ９２に移行する。一方、判定部４２が、シミュレーションを継続すると判定したときは、ステップＳ８４に移行する。

以上、説明したように、第４の実施形態のシミュレーション装置１ｃは、プログラムを実行することによって、エージェントに複数の店舗ｘ（選択候補）の間の距離を設定させる。また、シミュレーション装置１ｃは、前記距離に基づいて、エージェントに未確認の店舗ｘに対する期待値Ｅ（ｘ）を更新させる。したがって、制約条件を課した状態で、選択行動のシミュレーションを行うことができる。特に、本態様によると、店舗ｘの間の距離を制約条件として設定するため、遠く離れた店舗ｘを選択しにくくすることができる。これにより、遠く離れた店舗Ｆ１２の訪問を避ける選択行動を再現することができる。

なお、前記した各態様において、さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な様態は、以上のように表しかつ記述した特定の詳細及び代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲、及びその均等物によって定義される統括的な発明の概念の精神又は範囲から逸脱することなく、様々な変化が可能である。

例えば、選択行動をシミュレーションする際に設定する制約条件は、前記の内容に限定されるものではない。例えば、商品を購入するための予算額を制約条件としてもよい。すなわち、予め購入希望価格を期待値として設定するとともに、店頭で確認した販売価格を評価値として期待値と比較することによって、選択候補を選定してもよい。その際、例えば、特売を行っている店舗で、販売価格が期待値よりも安価であった場合には、評価値が動的に変更されることによって、特売品を売っている店舗が選択される可能性がある。

また、制約条件は、利用者の属性（年齢層、性別等）に応じて変更してもよい（例えば、２０代の消費者と５０代の消費者とでは、店舗間の距離のしきい値を変更する等）。さらに、前記した複数の制約条件を組み合わせて使用してもよい。例えば、「残り時間」と、「混雑度」と、「店舗間の距離」とを組み合わせた制約条件を設定してもよい。具体的には、例えば、混雑度に応じて更新した評価値と、残り時間および現在地からの距離に応じて更新した期待値と、を比較することによって、確認すべき店舗ｘを選択する構成としてもよい。

さらに、前記した各態様で説明した確認を行う順序は、一例であって、確認を行う順序は問わない。例えば、現在位置から最も近い店舗ｘから順に確認を行ってもよいし、期待値Ｅ（ｘ）が最も高い店舗ｘから順に確認を行ってもよい。また、例えば、買い物の残り時間に応じて、期待値Ｅ（ｘ）が高い店舗ｘから順に確認を行うようにしてもよい。

また、制約条件として設定したパラメータ値が時々刻々と変化する場合は、評価値Ｅｖ（ｘ）を所定の時間間隔で更新し続ける構成としてもよい。例えば、制約条件として、店舗ｘの混雑度Ｃ（ｘ）を用いた場合は、混雑度Ｃ（ｘ）は時々刻々と変化するため、評価値Ｅｖ（ｘ）を所定の時間間隔で更新し続けてもよい。

そして、前記した各態様は、店舗における商品購入の場面を例にして説明したが、これは、店舗ｘを選択する場面に限定されるものではない。すなわち、複数の選択候補の中から一つを選択する選択行動を伴う場面（例えば、企業における意思決定の場面等）であれば、各態様の内容を適用することができる。

また、前記したシミュレーション装置１ａ，１ｂ，１ｃは、設定された制約条件の下でシミュレーションを実行するため、全ての店舗ｘに対して総当たり的に確認を行うことなく最適な選択行動をシミュレーションすることができる。したがって、シミュレーションを通じて、消費者の最適な選択行動を決定するまでの手間や時間を抑制することができる。このように、実施形態のシミュレーション装置１ａ，１ｂ，１ｃによれば、シミュレーション自体の計算コストを軽減するとともに、最適な選択行動を決定するまでの人手や時間的コストを低減することができる。

ところで、上記の各実施形態で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施形態と同様の機能を有するプログラムを実行するコンピュータ（ハードウエア）の一例を説明する。図１５は、第１の実施形態に係るシミュレーション装置１のハードウェア構成例を示すブロック図である。なお、他の実施形態で説明したシミュレーション装置１ａ，１ｂ，１ｃも同様のハードウェア構成を有する。

図１５に示すように、シミュレーション装置１は、各種演算処理を実行するＣＰＵ１０１と、データ入力を受け付ける入力装置１０２と、モニタ１０３とを有する。また、シミュレーション装置１は、記憶媒体からプログラム等を読み取る媒体読取装置１０５と、各種装置と接続するためのインタフェース装置１０６と、有線または無線により外部機器と通信接続するための通信装置１０７とを有する。また、シミュレーション装置１は、各種情報を一時記憶するＲＡＭ１０８と、ＨＤＤ１０９とを有する。また、シミュレーション装置１内の各部（１０１〜１０９）は、バス１１０に接続される。

ＨＤＤ１０９には、上記の実施形態で説明した各種の処理を実行するためのプログラム１１１（シミュレーションプログラム）が記憶される。また、ＨＤＤ１０９には、プログラム１１１が参照する各種データ１１２が記憶される。入力装置１０２は、例えば、シミュレーション装置１の操作者から操作情報の入力を受け付けるキーボード、マウス、タッチパネル等である。モニタ１０３は、例えば、操作者が操作する各種画面を表示する。インタフェース装置１０６は、例えば印刷装置等が接続される。通信装置１０７は、ＬＡＮ（Local Area Network）等の通信ネットワークと接続され、通信ネットワークを介した外部機器との間で各種情報をやりとりする。

ＣＰＵ１０１は、ＨＤＤ１０９に記憶されたプログラム１１１を読み出して、ＲＡＭ１０８に展開して実行することで、各種の処理を行う。なお、プログラム１１１は、ＨＤＤ１０９に記憶されていなくてもよい。例えば、シミュレーション装置１が読み取り可能な記憶媒体に記憶されたプログラム１１１を、シミュレーション装置１が読み出して実行するようにしてもよい。シミュレーション装置１が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ等に接続された装置にこのプログラムを記憶させておき、シミュレーション装置１がこれらからプログラムを読み出して実行するようにしてもよい。

１，１ａ，１ｂ，１ｃ シミュレーション装置
５ａ，５ｂ，５ｃ，５ｄ，５ｅ，５ｎ，Ｆ１１，Ｆ１２，Ｆ１３，Ｆ２１，Ｆ２２，Ｆ２３，ｘ 店舗
１０，１０ａ，１０ｂ，１０ｃ 入力部
１１ 選択候補入力部
１２ 期待値入力部
１３ 上限時間入力部
１４ 混雑度取得部
１５ 距離入力部
２０ 入力情報格納部
３０ シミュレーション管理部
４０，４０ａ，４０ｂ，４０ｃ シミュレーション実行部
４１ 評価値算出部（確認部）
４２ 判定部
４３ 選択部
４４，４６ 期待値更新部
４５ 評価値更新部
５０ シミュレーション結果出力部
６０ エージェント情報格納部
１１１ プログラム（シミュレーションプログラム）
Ｅ（ｘ），Ｅａ（ｘ），Ｅｂ（ｘ） 期待値
Ｅｖ（ｘ），Ｅｖａ（ｘ） 評価値
Ｖ（ｘ） 分散

Claims (9)

1. エージェントを用いて複数の選択候補の中から一つを選択させるシミュレーションをコンピュータに実行させるシミュレーションプログラムであって、
   予め設定された制約条件を用いて前記選択候補を選択する際の制約条件を設定させて、前記複数の選択候補の各々に対して予め設定された期待値を用いて、前記エージェントに前記複数の選択候補の各々に対する期待値を設定させるとともに、前記制約条件に基づいて、未確認の選択候補に対する期待値を更新させて、前記期待値を用いて前記エージェントに前記選択候補に対する確認を行わせるとともに、前記期待値および予め設定された分散に基づく正規分布に基づいて、当該選択候補に対する評価値を算出させて、
   既確認の選択候補に対する前記評価値と、未確認の選択候補に対する前記期待値と、に基づいて、前記確認を行わせる処理を継続するか終了するかを前記エージェントに判定させて、
   前記エージェントが、前記確認を行わせる処理を終了させると判定した場合に、既確認の選択候補に対する前記評価値に基づいて、前記エージェントに一つの選択候補を選択させる、
   処理をコンピュータに実行させるシミュレーションプログラム。
2. エージェントを用いて複数の選択候補の中から一つを選択させるシミュレーションをコンピュータに実行させるシミュレーションプログラムであって、
   予め設定された制約条件を用いて前記選択候補を選択する際の制約条件を設定させて、前記複数の選択候補の各々に対して予め設定された期待値を用いて、前記エージェントに前記複数の選択候補の各々に対する期待値を設定させて、前記期待値を用いて前記エージェントに前記選択候補に対する確認を行わせるとともに、前記期待値および予め設定された分散に基づく正規分布に基づいて、当該選択候補に対する評価値を算出させて、算出した前記評価値を、前記制約条件に基づいて更新させて、
   既確認の選択候補に対する前記評価値と、未確認の選択候補に対する前記期待値と、に基づいて、前記確認を行わせる処理を継続するか終了するかを前記エージェントに判定させて、
   前記エージェントが、前記確認を行わせる処理を終了させると判定した場合に、既確認の選択候補に対する前記評価値に基づいて、前記エージェントに一つの選択候補を選択させる、
   処理をコンピュータに実行させるシミュレーションプログラム。
3. 前記制約条件を設定させる処理は、前記未確認の選択候補の確認に充当できる上限時間から、前記既確認の選択候補の確認に充当した時間を減算して残り時間を算出させて、
   前記期待値を設定させる処理は、前記残り時間に基づいて、未確認の選択候補に対する前記期待値を更新させる
   ことを特徴とする請求項１又は２に記載のシミュレーションプログラム。
4. 前記制約条件を設定させる処理は、前記複数の選択候補の各々に対して同時に確認を行っている他のエージェントの数と、前記複数の選択候補の各々の容量とに基づく混雑度を設定させて、
   前記確認を行わせる処理は、算出した前記評価値を、前記混雑度に基づいて更新させる
   ことを特徴とする請求項１〜３のいずれか１項に記載のシミュレーションプログラム。
5. 前記制約条件を設定させる処理は、前記複数の選択候補の間の予め設定された距離を前記制約条件に設定させて、
   前記期待値を設定させる処理は、前記距離に基づいて、未確認の選択候補に対する前記期待値を更新させる
   ことを特徴とする請求項１〜４のいずれか１項に記載のシミュレーションプログラム。
6. エージェントを用いて複数の選択候補の中から一つを選択させるシミュレーションをコンピュータに実行させるシミュレーション方法であって、
   予め設定された制約条件を用いて前記選択候補を選択する際の制約条件を設定させて、前記複数の選択候補の各々に対して予め設定された期待値を用いて、前記エージェントに前記複数の選択候補の各々に対する期待値を設定させるとともに、前記制約条件に基づいて、未確認の選択候補に対する期待値を更新させて、前記期待値を用いて前記エージェントに前記選択候補に対する確認を行わせるとともに、前記期待値および予め設定された分散に基づく正規分布に基づいて、当該選択候補に対する評価値を算出させて、
   既確認の選択候補に対する前記評価値と、未確認の選択候補に対する前記期待値と、に基づいて、前記確認を行わせる処理を継続するか終了するかを前記エージェントに判定させて、
   前記エージェントが、前記確認を行わせる処理を終了させると判定した場合に、既確認の選択候補に対する前記評価値に基づいて、前記エージェントに一つの選択候補を選択させる、
   処理をコンピュータに実行させるシミュレーション方法。
7. エージェントを用いて複数の選択候補の中から一つを選択させるシミュレーションをコンピュータに実行させるシミュレーション方法であって、
   予め設定された制約条件を用いて前記選択候補を選択する際の制約条件を設定させて、前記複数の選択候補の各々に対して予め設定された期待値を用いて、前記エージェントに前記複数の選択候補の各々に対する期待値を設定させて、前記期待値を用いて前記エージェントに前記選択候補に対する確認を行わせるとともに、前記期待値および予め設定された分散に基づく正規分布に基づいて、当該選択候補に対する評価値を算出させて、算出した前記評価値を、前記制約条件に基づいて更新させて、
   既確認の選択候補に対する前記評価値と、未確認の選択候補に対する前記期待値と、に基づいて、前記確認を行わせる処理を継続するか終了するかを前記エージェントに判定させて、
   前記エージェントが、前記確認を行わせる処理を終了させると判定した場合に、既確認の選択候補に対する前記評価値に基づいて、前記エージェントに一つの選択候補を選択させる、
   処理をコンピュータに実行させるシミュレーション方法。
8. エージェントに対して、複数の選択候補を確認させることによって、前記複数の選択候補の中から一つを選択させるシミュレーション装置であって、
   予め設定された制約条件を用いて前記選択候補を選択する際の制約条件を設定させて、前記複数の選択候補の各々に対して予め設定された期待値を用いて、前記エージェントに前記複数の選択候補の各々に対する期待値を設定させるとともに、前記制約条件に基づいて、未確認の選択候補に対する期待値を更新させて、前記期待値を用いて前記エージェントに前記選択候補に対する確認を行わせるとともに、前記期待値および予め設定された分散に基づく正規分布に基づいて、当該選択候補に対する評価値を算出させる確認部と、
   既確認の選択候補に対する前記評価値と、未確認の選択候補に対する前記期待値と、に基づいて、前記確認部による処理を継続するか終了するかを前記エージェントに判定させる判定部と、
   前記エージェントが、前記確認部による処理を終了すると判定した場合に、既確認の選択候補に対する前記評価値に基づいて、前記エージェントに一つの選択候補を選択させる選択部と、
   を有するシミュレーション装置。
9. エージェントに対して、複数の選択候補を確認させることによって、前記複数の選択候補の中から一つを選択させるシミュレーション装置であって、
   予め設定された制約条件を用いて前記選択候補を選択する際の制約条件を設定させて、前記複数の選択候補の各々に対して予め設定された期待値を用いて、前記エージェントに前記複数の選択候補の各々に対する期待値を設定させて、前記期待値を用いて前記エージェントに前記選択候補に対する確認を行わせるとともに、前記期待値および予め設定された分散に基づく正規分布に基づいて、当該選択候補に対する評価値を算出させ、算出した前記評価値を、前記制約条件に基づいて更新させる確認部と、
   既確認の選択候補に対する前記評価値と、未確認の選択候補に対する前記期待値と、に基づいて、前記確認部による処理を継続するか終了するかを前記エージェントに判定させる判定部と、
   前記エージェントが、前記確認部による処理を終了すると判定した場合に、既確認の選択候補に対する前記評価値に基づいて、前記エージェントに一つの選択候補を選択させる選択部と、
   を有するシミュレーション装置。

Images