RでLinear Programming | 分析のおはなし。
アメリカへの交換留学とノルウェーへの大学院留学を経た後に、データサイエンティストを目指そうとする人の戯れ言。 （R Advent Calendar @ Qiita 16日目） こんにちは、16日目担当のサーモンさんです。 突然なんですが、僕Linear Programming好きなんですよ。 というか多分Operations ResearchとかSupply Chain Managementが好きなんですよ。 なんなんすかね、ビジネスのフローをモデル化する部分が好きなんでしょう。 卒論でもサーモン養殖の線形計画法とかやろうか悩んでたくらいですよ。（収穫船と餌の輸送と生産の組合せ計画とかがあるんすよ） で、大学院にいた時はAMPLっていう言語でCPLEXとかNEOSとかっていったソルバーを使って問題を解いていたのですが、ソルバーはお高い訳です。 まぁ早い話がRでやりたい訳です。 で、探してみ
Rで解く最適化問題 線型計画問題編
9. X n Rn f S aij , bi , cj (i = 1, · · · , m; j = 1, · · · , n) xj (j = 1, · · · , n) min. c 1 x1 + · · · + c n xn s. t. ai1 x1 + · · · + ain xn ≤ bi (i = 1, · · · , l) ai1 x1 + · · · + ain xn = bi (i = l + 1, · · · , m) 9 10. aij , bi , cj (i = 1, · · · , m; j = 1, · · · , n) min. c 1 x1 + · · · + c n xn s. t. ai1 x1 + · · · + ain xn ≥ bi (i = 1, · · · , m) xj ≥ 0(j = 1, · · · , n) min. cT x s.
Rによる最適化計画(1)：とりあえずCRAN Task Viewを見て、{linprog}パッケージのsolveLP関数とoptim関数を触ってみる - 渋谷駅前で働くデータサイエンティストのブログ
時々最適化計画をやってくれみたいな依頼をもらうことがあるんですが、普通の線形計画法って普通にやると実はwinner-take-allみたいなことになって、結局ヒトが介在しなきゃダメみたいなことになるんですよね。なーんて愚痴りながらググってたらこんなPDFを見つけまして。 多目的最適化の基礎と応用 - 日本機械学会 最適化の結果は．．． いい設定をすると 往々にして，ベテランの技術者の出す結果と同じになる． 当たり前の結果しか導かない うわあああああ耳が痛ええええええってなわけで、多目的最適化とか色々漁ってる真っ最中なわけですが。単一の最適化目的関数だけ立てるからwinner-take-allになってどうしようもなくなるわけで、それに何とかして別の制約をかぶせたいなぁとか思うんですが、でも多目的最適化とかだといきなりハードル高いかなぁと。。。 というわけで、今までこのブログではあまり触れてこ
CodeIQについてのお知らせ
2018年4月25日をもちまして、 『CodeIQ』のプログラミング腕試しサービス、年収確約スカウトサービスは、 ITエンジニアのための年収確約スカウトサービス『moffers by CodeIQ』https://moffers.jp/ へ一本化いたしました。 これまで多くのITエンジニアの方に『CodeIQ』をご利用いただきまして、 改めて心より深く御礼申し上げます。 また、エンジニアのためのWebマガジン「CodeIQ MAGAZINE」は、 リクナビNEXTジャーナル( https://next.rikunabi.com/journal/ )に一部の記事の移行を予定しております。 今後は『moffers by CodeIQ』にて、 ITエンジニアの皆様のより良い転職をサポートするために、より一層努めてまいりますので、 引き続きご愛顧のほど何卒よろしくお願い申し上げます。 また、Cod
最適化アルゴリズムを評価するベンチマーク関数まとめ - Qiita
更新履歴 最適解と探索範囲を追記しました。 2016/11/29 @fimbulさん 編集リクエストありがとうございました。修正しました。 2017/7/10 @tomochiiiさん 編集リクエストありがとうございました。Easom functionを引用元の数式に修正、Schaffer function N. 2とN. 4の数式の修正 2018/5/9 @applicative62045 さん 編集リクエストありがとうございました(編集リクエストの確認遅くなりました。2019/12/31記載) Griek functionを修正 2019/12/31 @okamoto6496 さん 指摘ありがとうございました。Five-well potential functionの数式を修正。 2020/01/20 @higedura さん 指摘ありがとうございます。Bukin function N
時系列データへの回帰分析 | Logics of Blue
新規作成：2017年05月16日 最終更新：2017年05月16日 ここでは、時系列データを手にした際に、どのような手順で回帰分析をかけていけばいいのか、フローチャートを交えて解説します。 時系列データは特殊でして、普通の回帰分析を行うと、p値がおかしくなり、正しく検定ができなくなることがよくあります。これを見せかけの回帰と呼びます。 シミュレーションを通して、見せかけの回帰という現象を確認したうえで、それらに対応する手法としての単位根検定・共和分検定・一般化最小二乗法(GLS)の基本的な考え方とRでの実装方法について説明します。 ソースコードはまとめてこちらに置いてあります。 スポンサードリンク 目次 時系列データへの回帰分析フローチャート 単位根と見せかけの回帰 データチェック1 単位根検定とADF検定 解決策１ 差分系列への回帰分析 差分系列への回帰分析の問題点 データチェック２ 共
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
最適化超入門