しっかり学ぶ数理最適化 ヒューリスティック編 - Qiita

これはどんな記事? 本記事は、私がヒューリスティック関連の知識をまとめることになった際に作成したJupyter Notebookを、Qiitaの記事へと改変したものです。 前提としてこれは梅谷俊治先生の「しっかり学ぶ数理最適化 モデルからアルゴリズムまで」という本(以下、教科書と表記)の内容に準拠しています。 そしてその内容の多くは、ありがたいことにネット上の様々な形で公開されており、梅谷先生によるスライド1やスライド2、日本オペレーションズ・リサーチ学会(以下、ORと表記)での記事1や記事2、そしてORの他の方の記事1や記事2などでも類似した内容を見ることが可能です。 (そしてそれ故に、本記事を公開させて頂いています。流石に本家の方がネット上で公開されていない内容を書くのは、例え権利的に問題がないとしても気が引けるので……) また、この記事は、それらの内容を踏まえた上で、私がネット上の様

[hasiduki]

ほーん！！！！"書けなかった手法があるのですが、それが誘導局所探索法(Guided Local Search,GLS)""アニーリング法やタブー探索法など改悪解への移動を許容する戦略よりも，誘導局所探索法などの評価関数を変形させる戦略"

[misshiki]

発見的解法(heuristics)＝ある程度正解に近い解を見つけ出すための経験則や発見方法

[kane-please]

数理最適化

[yarumato]

“特に視覚化に焦点をあてて執筆。ヒューリスティックとは、ある程度正解に近い解を見つけ出す経験則や発見方法。実行環境としてGoogle Colabを想定 Python 局所探索法”