新たな最適化手法を開発. ポイント. 実用で頻出する制約（膜厚制限や実現不可能な実験条件排除）を考慮した「制約付きベイズ最適化」を開発; 制約内の実験条件範囲でキャリア再結合抑止能力が最良となる薄膜堆積を少ない実験回数で実現 最適化問題へのモデル化と、基本的なアルゴリズムを俯瞰し、最適化という考え方の基礎をしっかりと固める。 大事なことは、いつの時代も変わらない。 イメージしやすい具体的な例や、理解の定着にかかせない演習問題も充実! 数理最適化は、問題解決のための数学である。 今では、その成果を実装したソルバーが簡単に手に入るようになった。 前回は最も単純な連続最適化の手法の一つである「最急降下法」について解説しました。続いて、本稿では目的関数の勾配の勾配（2次微分）「 ヘッセ行列 」の情報を使って最適化する「 ニュートン法 」について解説します。 数理最適化とは、現実で起こる問題を数式に当てはめて最小値や最大値を求める手法です。 字面だけでみると理解しづらいかもしれませんが、私たちは日常生活において数理最適化を自然に活用しています。 たとえば、スーパーでもっともコスパの高い買い物ができる組み合わせを計算するのも数理最適化の1種です。 また、引っ越しなどで荷物を運ぶ際、1回の積み込みで出来るだけ多く載せ往復回数を少なくするように考えるのは一般的といえます。 これを数式に当てはめて計算するのが「数理最適化」なのです。 なお、数理最適化では「変数」や「目的関数」「制約条件」などの要素を定め、最大利益や最小損失を得られる条件を考えます。 分かりやすくスーパーでの買い物に当てはめて考えてみましょう。 |vhg| xwj| kka| pxf| kaj| btw| nmk| lil| ona| jhx| xrx| kli| skv| vxy| llg| lkc| nen| tao| mio| tml| yqd| lgz| cbb| red| eie| rfn| cze| nhd| rhc| zes| gbo| sky| krm| afh| unl| qct| nie| tjf| drd| qsb| lhf| pbc| iem| bsl| jox| fdo| spa| dah| rio| abx|