徳島大学 教育・研究者情報データベース(EDB)

1. 講義

(日) 最適化の概念，数理処理による最適化，学習に基づく最適化について講義し，さらに演習と試験によって，最適化の基礎知識を修得させる.

(日) 最適化は工学諸分野における一般的かつ基礎的な概念であるが，本講義では非線形計画法(数理処理による最適化)と学習ユニットによる最適化(学習に基づく最適化)とを中心とした講義を行う.非線形計画法においては最急降下法，ニュートン法，準ニュートン法，直接探索法について講義し，学習ユニットによる最適化においては学習オートマトンによる最適化(移動ロボットの迷路通過ルート探索)について講述する.あわせて演習を行わせることによって，数理処理による最適化と学習に基づく最適化についての基礎知識を修得させる.

(日) 「コンピュータ入門1，2」の履修を前提として講義を行う． さらに，「数理計画法」,「数値解析」,「数値計算法」を履修していることが望ましい．

(日) 適宜演習を課すので，すべての演習を必ず行うこと．

1. (日) 数理モデルに基づく数理処理による最適化手法と数理モデル化が困難な場合に有効である学習に基づく最適化手法とを修得させることによって， 工学諸分野において広く存在する最適化問題をシステマティックに解決する能力を育成する．

1. (日) 工学における最適性と最適化の概念

2. (日) 最適化問題の定式化

3. (日) 制約なし最適化問題と降下法

4. (日) 直線探索

5. (日) 最急降下法

6. (日) ニュートン法

7. (日) 準ニュートン法

8. (日) 直接探索法

9. (日) 学習オートマトンによる最適化(移動ロボットの迷路探索)

10. (日) 学習オートマトンの基本モデル

11. (日) 定常環境における学習アルゴリズム

12. (日) 学習アルゴリズムの特性

13. (日) 種々の学習アルゴリズムの比較

14. (日) 非定常環境における学習アルゴリズム

15. (日) 予備日

16. (日) 定期試験

(日) 講義への参加状況，演習のレポートの提出状況と内容，試験の成績を総合して行う.

1. (日) 特に指定しない. 適宜資料を配布する.

1. (日) 馬場則夫·坂和正敏「数理計画法入門」共立出版

2. (日) 今野 浩·山下 浩「非線形計画法入門」日科技連

3. (日) K.S.Narendra and M.A.L.Thathachar「Learning Automata -- An Introduction」 Prentice Hall

1. 最上 義夫

   オフィスアワー	任意

1. (英) .

   (日) .