2. 講演の概要 • かつてはITインフラの整備，今は⼤大規模データの解析，将来は効率率率的 な計画の⽴立立案・運⽤用が重要な課題になる？ • 実世界から収集された⼤大規模データに基づく⼤大規模かつ多様な組合せ 最適化問題を効率率率良良く解くことが求められる？ • これらの組合せ最適化問題の多くはNP困難で，現場では経験と勘に基 づくアルゴリズム設計・開発が主流流？ • 狭い範囲の事例例にしか適⽤用できないノウハウではなく，広い範囲の事 例例に適⽤用できるアルゴリズム設計のノウハウは無いのだろうか？ • 本講演では以下の話題を紹介します． – 組合せ最適化問題とその応⽤用 – 計算困難な組合せ最適化問題に対するアプローチ – ⼤大規模な組合せ最適化問題に対する発⾒見見的解法 講演途中でいくつかスライドを⾶飛ばすかも知れませんが，本講演のスライドはウェブ上で 公開する予定なの
Graphillion は膨大な数のグラフに対して検索や最適化、列挙を行うための Python モジュールです。このビデオは Graphillion の概要を知るためのチュートリアルです。「フカシギの数え方」 http://youtu.be/Q4gTV4r0zRs の続編として作成されました。 Graphillion is a Python software package on search, optimization, and enumeration for a very large set of graphs. This video is a quick tutorial to learn what Graphillion is. The story follows our previous episode, "Let's count!" http://youtu.be/Q4gT
すべての評価関数に適用できる効率のよいアルゴリズムは存在しない。 “すべての評価関数”というのは上の例で言えば“すべての”ということである。 この定理を証明する前に、まずよく知られた探索アルゴリズム[5]を挙げて、探索とはそもそもどのようなものなのかを説明しよう。 探索アルゴリズム “探索”というのは問題の解の候補の中からよいものを探し出すことである（同語反復という感じだが）。ここでは次のように、評価関数が定義された問題を解く過程のことを探索と呼ぶことにする。 解の候補の有限集合を、その要素のひとつをとする。 評価関数はから有限集合への写像である（の要素のひとつをで表す）。 の最大値を与えるようなが問題の解で、それを見つけたいのである。 このような探索問題を解くためのアルゴリズムには大きく分けて次の2つがある。 アルゴリズムのように知識を用いて解を構成するもの（適切なヒューリスティックスが
11.23.2010 数学が苦手な経済学院生のための教科書案内 数学が大の苦手だと経済学のコアコースが結構つらかったりする。そもそも土俵に上ってないみたいな。特に経済数学の講義があるから余計つらい。いろいろ試行錯誤した結果をメモ。 最初につまずいたのは数学の用語。 たとえばこんなの ∃S s.t. S=｛s｜s・x=0, x∈X｝ s,x≠0 集合Ｓが存在して、そのＳっていうのはＸっていう集合に含まれるxとの内積が０でsもxも0ベクトルではない。つまり直交してるっていう。 もう何言ってんだか。だいたいs.t.ってsubject to とsuch thatって両方あるんだから変えろよ！みたいな。 あと、open, closed, continuityみたいな概念も高校まででは習わなかったから意味不明だった（つまり大学では一切数学をやってないｗ）。そんな私の救世主 ・Bartle
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く