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
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
NearMeの技術発表資料です
PRO
October 21, 2022
Science
100
0
Share
最適化入門2
NearMeの技術発表資料です
PRO
October 21, 2022
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
実務で役立つ幾何学 ボロノイ図の基礎から グラフ・ネットワーク応用まで
nearme_tech
PRO
0
28
SQL/ID抽出タスクから考える 実践的なハルシネーション対策
nearme_tech
PRO
0
45
OpenCode & Local LLM
nearme_tech
PRO
0
43
OpenCode Introduction
nearme_tech
PRO
0
40
【Browser Automation × AI】 Stagehandを試してみよう
nearme_tech
PRO
0
110
AIを用いた PID制御で部屋 の温度制御をしてみた
nearme_tech
PRO
0
120
CopilotKit + AG-UIを学ぶ
nearme_tech
PRO
3
460
Tile38 Overview
nearme_tech
PRO
0
90
Rust 製のコードエディタ “Zed” を使ってみた
nearme_tech
PRO
1
1.7k
Other Decks in Science
See All in Science
機械学習 - K-means & 階層的クラスタリング
trycycle
PRO
0
1.5k
Kaggle: NeurIPS - Open Polymer Prediction 2025 コンペ 反省会
calpis10000
0
570
イロレーティングを活用した関東大学サッカーの定量的実力評価 / A quantitative performance evaluation of Kanto University Football Association using Elo rating
konakalab
0
260
アクシズを探せ! 各勢力の位置関係についての考察
miu_crescent
PRO
1
280
主成分分析に基づく教師なし特徴抽出法を用いたコラーゲン-グリコサミノグリカンメッシュの遺伝子発現への影響
tagtag
PRO
0
250
Deep Space Network (abreviated)
tonyrice
0
150
Vibecoding for Product Managers
ibknadedeji
0
160
因果推論と機械学習
sshimizu2006
1
1.1k
Tensor Factorization Meets Deformed Information Geometry: Convex Relaxation under Deformed Algebra
gkazunii
0
100
検索と推論タスクに関する論文の紹介
ynakano
1
220
大黒市で発生した大規模インシデント の ポストモーテムから読み解く、 記憶媒体消去の大切さ
shucho0103
0
170
水耕栽培:古代の知恵から宇宙農業まで
grow_design_lab
0
120
Featured
See All Featured
YesSQL, Process and Tooling at Scale
rocio
174
15k
The Anti-SEO Checklist Checklist. Pubcon Cyber Week
ryanjones
0
140
jQuery: Nuts, Bolts and Bling
dougneiner
66
8.5k
Become a Pro
speakerdeck
PRO
31
5.9k
A Soul's Torment
seathinner
6
2.8k
How to Ace a Technical Interview
jacobian
281
24k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
4.3k
Rebuilding a faster, lazier Slack
samanthasiow
85
9.5k
Designing for humans not robots
tammielis
254
26k
Building a Modern Day E-commerce SEO Strategy
aleyda
45
9k
A brief & incomplete history of UX Design for the World Wide Web: 1989–2019
jct
2
380
Build your cross-platform service in a week with App Engine
jlugia
234
18k
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