シミュレーションと現実世界の人の流れが一致するように，群集シミュレーションの入力パラメータを最適化手法によって調整する研究が行われている．CMA-ESによる入力パラメータ調整は大規模群集シミュレーションで優れた性能を発揮している．しかし，CMA-ESは性能を発揮するまでの最適化時間が長いといった問題がある．そこで，本論文では，Warm-Starting CMA-ESを用いて大規模群集シミュレーションの入力パラメータ調整を行う．Warm Startingとは学習済みのデータセットのパラメータを別のデータセットに適用させることで学習効率を向上させる手法である．実験では，過去5年分の花火イベントのデータセット用いてCMA-ESとWarm-Starting CMA-ESの性能比較を行う．