徳島大学 教育・研究者情報データベース(EDB)

1. 講義

1. 2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]

1. 最上 義夫

   肩書	任意

(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や強化学習ユニットによる最適化について講述する．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．

1. 非線形計画法(nonlinear programming)
2. 制約なし最適化問題(unconstrained nonlinear programming problem)
3. 学習オートマトン(learning automaton)
4. 学習アルゴリズム(learning algorithm)
5. 強化学習(reinforcement learning)

1. コンピュータ入門1([2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]])

   必要度	任意

2. コンピュータ入門2([2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]])

   必要度	任意

3. 数理計画法([2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]])

   必要度	任意

1. 数値解析([2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]])

   関連度	任意

(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」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および最適化問題の定式化

2. (日) 制約なし最適化問題と降下法

3. (日) 直線探索

4. (日) 最急降下法

5. (日) ニュートン法

6. (日) 準ニュートン法

7. (日) 直接探索法

8. (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)

9. (日) 学習オートマトンの基本モデル

10. (日) 種々の学習アルゴリズム

11. (日) 学習アルゴリズムの特性

12. (日) 非定常環境

13. (日) 強化学習ユニットと最適化

14. (日) 2値出力強化学習ユニット

15. (日) 実数値出力強化学習ユニット

16. (日) 定期試験

(日) 演習のレポートの提出状況およびその内容と試験の成績とを1:1の割合で評価し，その結果に講義への参加状況を加えたものを成績とする．

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. (英) 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