Python言語による実務で使える100+の最適化問題 | opt100
指針 厳密解法に対しては、解ける問題例の規模の指針を与える。数理最適化ソルバーを使う場合には、Gurobi かmypulpを用い、それぞれの限界を調べる。動的最適化の場合には、メモリの限界について調べる。 近似解法に対しては、近似誤差の指針を与える。 複数の定式化を示し、どの定式化が実務的に良いかの指針を示す。 出来るだけベンチマーク問題例を用いる。OR-Libraryなどから問題例をダウンロードし、ディレクトリごとに保管しておく。 解説ビデオもYoutubeで公開する． 主要な問題に対してはアプリを作ってデモをする． 以下，デモビデオ： 注意 基本的には，コードも公開するが， github自体はプライベート そのうち本にするかもしれない（予約はしているが， 保証はない）． プロジェクトに参加したい人は，以下の技量が必要（github, nbdev, poetry, gurobi); ペー
競技プログラミングで解法を思いつくための典型的な考え方 | アルゴリズムロジック
競技プログラミングの問題を解くためには２つのステップがあります。 問題で要求されていることを言い換える知っているアルゴリズムやデータ構造を組み合わせて解く 必要な（知っておくべき）アルゴリズムやデータ構造は色々なところで学ぶことができます。 しかし、「問題の言い換え」や「アルゴリズムを思いつく」というのは、非常に様々なバリエーションがあり、問題をたくさん解かないとなかなか身につきません。 そこで、この記事は以下のことを言語化し、練習のための例題を提示することを目標とします。 問われていることを、計算しやすい同値なことに置き換える方法アルゴリズムを思いつくための考え方競技プログラミングで「典型的」と思われる考え方 ※一部問題のネタバレを含むので注意 ※良く用いられるアルゴリズムやデータ構造については競技プログラミングでの典型アルゴリズムとデータ構造 を参考にして下さい。 入力の大きさ(制約)
How to tackle hard combinatorial optimization problems arising in real applications?
実務に現れる多くの事例が組合せ最適化問題にモデル化できることが再認識されるようになりました． しかし，その多くはNP困難問題と呼ばれる計算困難な組合せ最適化問題であり，どのようにアプローチすれば良いか悩んでいる人は少なくないと思います． 本講演では，実務に現れる組合せ最適化問題に対する実践的なアプロ…
QNNcloud
2019.03.31 QNNcloudのサイト公開を終了 本日を持ちましてQNNcloudのサイト公開を終了しました。これまでのご利用・ご支援に感謝します。 2018.12.21 重要なお知らせ：QNNcloud終了について これまでQNNcloudに興味を持っていただきありがとうございます。ImPACTプログラムの終了に伴い、QNNcloudのサービスを終了します。終了へ向けての日程は以下の通りです。 2018.12.28: 夕方１７時ごろに新規計算タスクの受付を終了します。それ以外の機能、計算結果の閲覧等はご利用可能です。 2019.3月中旬: QNNcloudのサイト公開を終了します。 これまでのご利用・ご支援に感謝します。 2018.11.23QNNcloudのプライバシーポリシーのアップデートを行いました。 2018.11.16QNNcloudのプライバシーポリシーのアップデート
LR構文解析の原理
コンパイラの構文解析器に広く使用されているLR構文解析の原理を解説する．LR構文解析の基礎をなすアイデアは，「正規言語の解析手法を繰り返し使い，文脈自由文法の幅広いクラスを解析する」という(多くの優れたアイデアがそうであるように)単純なものである．Knuthは，この直感的で単純なアイデアを基礎とし，緻密な理論的な展開と巧みな実用化戦略によって，構文解析におけるブレークスルーを達成した．本解説では，LR構文解析が基礎とするアイデアに即してその原理とアルゴリズムの構造を解説する．これらを理解するならば，一般に複雑で難解なものと受け取られているLR構文解析法の全体像が容易に理解できるはずである．本解説では，オートマトンの基礎知識を持つ一般の読者が，LR構文解析の考え方と原理を理解できることを目指す．
P≠NP問題がざっくり理解できる本 - hiroyukikojima’s blog
＊ 追記(6月27日) 最後の紹介した「約数ゲーム」について、メールで解答を教えてくれた人がいたので、最後に追加しました。 最近、野崎昭弘『「P≠NP」問題』ブルーバックスを読んだので、レビューをエントリーしようと思う。 そもそも、この本を読もうと思ったのは、ある雑誌の企画で「数学の未解決問題」について、ある数学者と討論をすることになっていたのがきっかけだった。ミレニアム問題のいくつかが話題にのぼりそうなので、P≠NP問題についても少し知識を補充しておこうと思ったのだ。 でも、アマゾンのレビューで酷評されているのを読んで、いくぶん躊躇した。それで、少し時間が空いたけど、本屋で立ち読みしてみて、その場で購入した。少なくともぼくには、アマゾンのレビューはミス・ディレクションにすぎないものだとわかった。買って帰って、速攻で読了したが、ぼくの要求にかなった本であった。アマゾンのレビュー欄は、まあ、
A3Cという強化学習アルゴリズムで遊んでみた話
This document presents mathematical formulas for calculating gradients and updates in reinforcement learning. It defines a formula for calculating the gradient of a value function with respect to its parameters, a formula for calculating the gradient of a policy based on the reward and value, and a formula for calculating the gradient of a parameter vector that is a weighted combination of its pre
「巡回セールスマン問題」を解くアルゴリズムを可視化したムービー
by Gaël Sacré いくつもの都市を移動するセールスマンが、すべての都市を最も効率よく(最小の移動コストで)移動できる方法を求める問題を「巡回セールスマン問題」といいますが、その解き方をビジュアル化したムービーがYouTubeで公開されています。 Traveling Salesman Problem Visualization - YouTube たとえば8つの都市があるとき、これを結ぶルートは5040通りが考えられます。 解法の一つが「欲張り法(Greedy Algorithm)」という、1つの都市から常に最寄りの都市へ移動しようと考える方法。 「最適」ではないものの、最適に近い答えを導き出してくれます。 ここで、組み合わせて使うのが「2-opt法」という方法。かなり単純なアルゴリズムで、2辺を繋ぎ直していきます。このとき、ルートに重なりがあると解消して新しいルートを作ります。
グーグルのバグ予測アルゴリズムを実装したツール「bugspots」について - Qiita
bugspotsはgoogleが開発した、バグ予測アルゴリズムをオープンソースとして開発されたツールです。 細かい説明は後にまとめますが、実際に使ったのを見るほうが分かりやすいので早速使ってみます。 実際に使ってみる 1.bugspotsをgemでインストール 3.結果を見てみる このHotspotsの下に出力されている左の数値がバグが起こりやすい度合いを表すスコア、右が対象のファイルになる。 メチャクチャ簡単に導入できるので、 リファクタやコードレビューなどで目星をつけるという意味では有用なツールな気がしました。 背景の説明 googleでは、チェックイン前にユニットテストやコードレビューが行われているが、コードが大量になってくると、ユニットテストやコードレビューをすり抜けたバグも少なからず発生してします。 googleではこの問題に対処するために、独自の「バグ予測アルゴリズム」を採用し
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
視覚化による5つのガベージコレクションアルゴリズム入門 | POSTD
ほとんどの開発者は、自動のガベージコレクション（GC）を当たり前のように使っています。これは、私たちの仕事を容易にするために言語ランタイムが提供する素晴らしい機能の1つです。 しかし、最新のガベージコレクタの中をのぞいてみれば、実際の仕組みは非常に理解しづらいことが分かります。実装の詳細が無数にあるため、それが何をしようとしているのか、また、それがとんでもなく間違った事態を引き起こしかねないことについて十分理解していない限り、すっかり混乱してしまうでしょう。 そこで、5種類のガベージコレクションアルゴリズムを持つおもちゃを作ってみました。小さいアニメーションはランタイムの動作から作成しました。もっと大きいアニメーションとそれを作成するコードは github.com/kenfox/gc-viz で見ることができます。単純なアニメーションによってこうした重要なアルゴリズムを明らかにできることは
1
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
Mathematical Optimization in 60 minutes
[PDF]陣内佑 (2020) ヒューリスティック探索入門
組み合わせ最適化問題に対する実用的なアルゴリズムとその応用 - Speaker Deck
最適化超入門
VisuAlgo moves to https://visualgo.net/en