Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
最適化入門2
Search
NearMeの技術発表資料です
PRO
October 21, 2022
Science
0
89
最適化入門2
NearMeの技術発表資料です
PRO
October 21, 2022
Tweet
Share
More Decks by NearMeの技術発表資料です
See All by NearMeの技術発表資料です
2つの曲線を比較する方法ってあるの? 〜フレシェ距離を試してみた〜 with Python
nearme_tech
PRO
1
18
Constrained K-means Clustering (クラスタサイズの制限をしたK-means法) を調べてみた
nearme_tech
PRO
0
16
VRPの近傍操作SWAP*について調べてみた
nearme_tech
PRO
1
49
新人エンジニアが読んでためになった本
nearme_tech
PRO
2
21
Object–relational mapping and query builder battle 1: Intro to Prisma
nearme_tech
PRO
1
29
深層学習モデルの最適化 -Deep Learning Tuning Playbookを読む-
nearme_tech
PRO
1
52
機械学習を支える連続最適化
nearme_tech
PRO
1
44
サードパーティクッキーの終焉と Topics APIによる代替の可能性
nearme_tech
PRO
1
81
ONNXハンズオン
nearme_tech
PRO
2
28
Other Decks in Science
See All in Science
Mastering Feature Engineering: Mining the Hidden Salary Formula with CakeResume
tlyu0419
0
210
文系出身でも「アルゴリズム×数学」はスッキリ理解できた!話
wakamatsu_takumu
0
300
BMI 研究はなぜ同じ失敗を繰り返すのか(日本BMI研究会, 2021.11.5)
ykamit
1
2.2k
Celebrate UTIG: Staff and Student Awards 2024
utig
0
200
東大・松尾研主催 LLM Summer 2023 コンペ解法 (11位 – 20位枠での優秀賞)
hayataka88
0
270
早わかり W3C Community Group
takanorip
0
330
Презентация программы бакалавриата СПбГУ "Искусственный интеллект и наука о данных"
dscs
0
400
深層学習を利用して 大豆の外部欠陥を判別した研究事例の紹介
kentaitakura
0
150
バックアップ『しながら』ランサムウェア検出も!? セキュリティ強化が満載 Veeam 12.1
climbteam
0
540
Transformer系機械学習モデルを取り巻くライブラリや用語を整理する
bobfromjapan
2
580
構造設計のための3D生成AI-最新の取り組みと今後の展開-
kojinishiguchi
0
280
遺伝子発現プロファイルに基づく新しい薬物間相互作用予測法
tagtag
0
130
Featured
See All Featured
Agile that works and the tools we love
rasmusluckow
325
20k
Building Your Own Lightsaber
phodgson
101
5.9k
Designing for Performance
lara
604
67k
How GitHub (no longer) Works
holman
305
140k
The Invisible Side of Design
smashingmag
294
50k
Designing Experiences People Love
moore
136
23k
The Art of Programming - Codeland 2020
erikaheidi
48
13k
Java REST API Framework Comparison - PWX 2021
mraible
PRO
20
7.2k
Fireside Chat
paigeccino
25
2.8k
Creatively Recalculating Your Daily Design Routine
revolveconf
214
11k
Raft: Consensus for Rubyists
vanstee
134
6.5k
Typedesign – Prime Four
hannesfritz
37
2.2k
Transcript
0 最適化入門2 2022-10-14 第17回NearMe技術勉強会 Yuta Okamoto
1 目次 1. 前回までの内容 2. 非基底変数と基底変数 3. 線形計画問題の標準形・一般形 4. 単体法(シンプレクス法・線形計画法)
5. 次回予告
2 1.前回までの内容 • 線形計画問題とは? • 実行可能領域 • 実行可能領域のタイプ こんなやつ →
制約を全て満たす領域(凸多面体) 実行不能 実行可能(非有界・有界)
3 2.非基底変数と基底変数 • 変数の数 : n • 制約式の数 : m
とする. 制約式が全て一次独立な時, n-m個の変数を0とおく→残りのm個の変数も自動的に値が決まる 非基底変数 : 0とおいた変数 基底変数 : 0とおかなかった変数
4 3.線形計画問題の標準形・一般形 標準形 一般形
5 4.単体法(シンプレクス法・線形計画法) • 線形計画問題はどうやって解くのか? ◦ その1つが単体法 ◦ 実行可能領域(凸多面体)をある法則に従って探索することで 最適解を必ず見つけることができる キーワード
: 基底解,ピボット操作,最適性判定,幾何学的意味
6 5.次回予告 • 双対問題
7 出典 • 金谷健一. 「これなら分かる最適化数学」. 共立出版. 2005年, 249p
8 Thank you