徳島大学 教育・研究者情報データベース(EDB)

Education and Research Database (EDB), Tokushima University

徳島大学ウェブサイトへのリンク

授業概要: 2007/最適化理論

ヘルプを読む

「授業概要」(授業概要のリスト)は,授業の概要を登録するテーブルです. (この情報が属するテーブルの詳細な定義を見る)

  • 項目名の部分にマウスカーソルを置いて少し待つと,項目の簡単な説明がツールチップ表示されます.

この情報をEDB閲覧画面で開く

EID
150231
EOID
372939
Map
[2006/最適化理論]
LastModified
2007年12月26日(水) 21:21:11
Operator
大家 隆弘
Avail
TRUE
Censor
0
Owner
[教務委員会委員]/[徳島大学.工学部.知能情報工学科]
Read
継承
Write
継承
Delete
継承
種別 必須 工学部•夜間主 (授業概要)
入学年度 必須 西暦 2007年 (平成 19年)
名称 必須 (英) Optimization Theory / (日) 最適化理論 / (読) さいてきかりろん
形態 不用
  1. 講義
コース 必須
  1. 2007/[徳島大学.工学部.知能情報工学科]/[夜間主コース]
担当教員 必須
  1. 最上 義夫
    肩書 任意
単位 必須 2
目的 必須

(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.

概要 必須

(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.

キーワード 推奨
  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)
先行科目 推奨
  1. コンピュータ入門1([2007/[徳島大学.工学部.知能情報工学科]/[夜間主コース]]/->授業概要[2006/コンピュータ入門1])
    必要度 任意
  2. コンピュータ入門2([2007/[徳島大学.工学部.知能情報工学科]/[夜間主コース]])
    必要度 任意
  3. 数理計画法([2007/[徳島大学.工学部.知能情報工学科]/[夜間主コース]]/->授業概要[2006/数理計画法])
    必要度 任意
  4. 数値解析([2007/[徳島大学.工学部.知能情報工学科]/[夜間主コース]]/->授業概要[2006/数値解析])
    必要度 任意
関連科目 推奨
  1. 数値計算法([2007/[徳島大学.工学部.知能情報工学科]/[夜間主コース]]/->授業概要[2006/数値計算法])
    関連度 任意
要件 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」,「数値計算法」を履修していることが望ましい.

注意 任意

(日) 適宜演習を課すので,すべての演習を必ず行うこと.

目標 必須
  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.

計画 必須
  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) ノイズを含む観測値に基づく最適化

  16. (日) 定期試験

評価 必須

(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.

対象学生 任意 開講コース学生のみ履修可能
教科書 必須
  1. (日) 特に指定しない. 適宜資料を配布する.

参考資料 推奨
  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

URL 任意
連絡先 推奨
  1. 最上 義夫
    オフィスアワー 任意
科目コード 推奨
備考 任意
  1. (英) .

    (日) .

この色で表示されている項目はマップによって参照された内容です