本研究では，予測モデルに対して有効な特徴量を選択する手法である特徴選択を扱う．線形回帰モデルを対象とした特徴選択の高速アルゴリズムとして離散一次法が提案されている．一般化線形モデルでは，離散一次法のアルゴリズムに必要となる目的関数の勾配のリプシッツ定数を計算することが困難である．さらに，収束速度が遅い場合が多いことや，局所的最適解に陥りやすいという問題点がある．そこで本研究では，リプシッツ定数の計算が不要で，一般化線形モデルの特徴選択に対して有効なアルゴリズムを提案する．また，探索点列に確率変動を加えることや超パラメータを最適化することによって予測精度を向上させる．