理工学研究科Graduate School of Science and Engineering
COS500X4（計算科学 / Computational science 500）最適化モデリング特論２Advanced Optimization Modeling 2
鮏川 矩義Noriyoshi SUKEGAWA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学研究科Graduate School of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2023 |
| 授業コードClass code | YC025 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 木2/Thu.2 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | |
| 備考（履修条件等）Notes | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| カテゴリーCategory | システム理工学専攻 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course introduces ways of formulating given problems as optimization problems through several examples, and experience the process of actually finding optimal solutions using software and interpreting the results. The goal of this course is to cultivate the basic skills to construct optimization models appropriately and solve problems in various situations of science and engineering.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
与えられた問題を最適化問題として定式化する方法をいくつかの事例を通して学び、ソフトウェアを用いて実際に最適解を求め、結果を解釈するというプロセスを体験する。理工学のさまざまな場面で適切に最適化モデルを構築して問題解決を行なうための基礎力を養うことが目的である。
到達目標Goal
・目的関数と制約条件を定めて最適化問題に落とし込むことができる
・簡単な最適化問題を具体的に数式で表現できる（定式化できる）
・定式化の妥当性を検証できる
・データと定式化をソフトウェアに与えて最適解を計算できる
・最適解の性質を多角的に検討してモデルの改善につなげることができる
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」「DP2」「DP3」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
スライドを使用した講義形式で進める。Pythonを用いてプログラムを書き、理解を深める。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[対面/face to face]：数理モデルとは
モデル、数理モデル、数理最適化モデル
第2回[対面/face to face]：Pythonによる数理最適化（1）
連立一次方程式と線形計画問題
第3回[対面/face to face]：Pythonによる数理最適化（2）
大規模問題の場合の処理
第4回[対面/face to face]：学校のクラス編成（1）
課題の整理と考察
第5回[対面/face to face]：学校のクラス編成（2）
数理モデリングと実装
第6回[対面/face to face]：学校のクラス編成（3）
数理モデルの検証
第7回[対面/face to face]：最終課題説明
テーマ決めと問題定義、グループ討論
第8回[対面/face to face]：割引クーポンキャンペーン（1）
課題の整理と考察
第9回[対面/face to face]：割引クーポンキャンペーン（2）
数理モデリングと実装
第10回[対面/face to face]：割引クーポンキャンペーン（3）
結果の評価
第11回[対面/face to face]：輸送車両の配送計画（1）
課題の整理と考察
第12回[対面/face to face]：輸送車両の配送計画（2）
数理モデリング
第13回[対面/face to face]：輸送車両の配送計画（3）
実装と数値実験
第14回[対面/face to face]：最終発表会
発表会と投票、講評
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
本授業の準備・復習等の授業時間外学習は 4 時間を標準とする。プログラムを作成して理解を深める。
テキスト（教科書）Textbooks
岩永二郎，石原響太，西村直樹，田中一樹（2021）『Pythonではじめる数理最適化：ケーススタディでモデリングのスキルを身につけよう』オーム社
参考書References
指定しない
成績評価の方法と基準Grading criteria
期末レポート（60 ％）および授業への貢献度（40 ％）を合わせて評価
します。
学生の意見等からの気づきChanges following student comments
初年度のため、なし