授業コード | 94207100 | クラス | |
科目名 | 経営情報論研究Ⅱ | 単位数 | 2 |
担当者 | 高濱 節子 | 履修期 | 後期授業 |
カリキュラム | *下表参考 | 配当年次 | *下表参考 |
授業題目 | 最適化理論と最適化アルゴリズム(Optimization Theory and its Algorithms) |
授業の概要 | 最適化問題に対する最適化アルゴリズムに関する数理的及び数値解析的研究を進める. 特に,非線形最適化問題に対する最適化アルゴリズムを中心に,理論的アプローチによる最適化アルゴリズムを教育・研究する. なお,講義は報告・討論の双方向形式で行う. |
学習の到達目標 | 非線形最適化問題に対する最適化アルゴリズムについて説明できる. |
授業計画 | 第1回 | ガイダンスと序論(学習内容について) 数学的概念の準備 |
第2回 | 理論的アプローチによる非線形最適化アルゴリズム(1) 制約なし最適化問題,Kuhn-Tucker条件 | |
第3回 | 理論的アプローチによる非線形最適化アルゴリズム(2) 鞍点定理,制約想定 | |
第4回 | 理論的アプローチによる非線形最適化アルゴリズム(3) 降下法(最急降下法) | |
第5回 | 理論的アプローチによる非線形最適化アルゴリズム(4) 降下法(ニュートン法) | |
第6回 | 理論的アプローチによる非線形最適化アルゴリズム(5) 降下法(準ニュートン法) | |
第7回 | 理論的アプローチによる非線形最適化アルゴリズム(6) 制約付き最適化問題,変換法 | |
第8回 | 中間まとめ | |
第9回 | 直接探索法による最適化アルゴリズム(1) Powell法 | |
第10回 | 直接探索法による最適化アルゴリズム(2) シンプレックス法 | |
第11回 | 直接探索法による最適化アルゴリズム(3) 遺伝的アルゴリズム 離散GA | |
第12回 | 直接探索法による最適化アルゴリズム(4) 遺伝的アルゴリズム 実数値GA | |
第13回 | 直接探索法による最適化アルゴリズム(5) 差分進化 | |
第14回 | 直接探索法による最適化アルゴリズム(6) 粒子群最適化 | |
第15回 | 要点整理と振り返り・まとめ |
授業外学習の課題 | 第1回目の前に,このシラバスをよく読むこと. 第1回目以降,講義終了後,不明なところはないか見直すこと. 特に,講義中に演習問題等が行われたときは,自宅で再度見直しをすること.もしも講義時間中に,演習問題が完了できなかったときは,次回までに必ず完了させること. 第15回目が終了したら、まとめのプリント等を見直し、結局自分は何を学んだのか再確認をすること。 |
履修上の注意事項 | 研究内容の性格上,一定水準の数学を用いる.線形代数・微積分・確率等の基礎知識を有することが望ましい. |
成績評価の方法・基準 | 積極的な受講態度30%,課題・演習・発表状況など40%,レポート30%から総合的に評価判断する. |
テキスト | 未定.各種の文献を用いる予定.受講生と相談する. |
参考文献 | 適宜,授業中に紹介する. |
主な関連科目 | 経営情報論研究Ⅰなど |
オフィスアワー及び 質問・相談への対応 |
基本的には授業時間中に質問・相談を受け付けるが,時間外の質問・相談(レポートについての質問も含む)は,電子メールで対応する. |
所属 | ナンバリングコード | 適用入学年度 | 配当年次 |
経済科学研究科M経済情報専攻 | - | 2022~2023 | 1・2 |