多くのメタヒューリスティクスは局所探索法を拡張したものと位置づけることができる．メタヒューリス ティクスはアルゴリズム設計の自由度が高い柔軟な枠組みであり，解きたい最適化問題に対してまずは局所 さて,「 メタヒュー リスティックス」 は,多数の変数を有する関数( 目的関数という)E(x1, , xn) の最小値(あるいは最大値) を与える(x1, , xn)(「 最適解」 という)を求める「 最適化問題」 を解くための計算手法(「 最適化手法」ないしは「 数理計画法」) の一種である。 「 最適化手法」の研究は,「 線形計画」 以来古くからなされているが,10年に1 度くらいの割合で, 突然話題となる手法が登場し,この分野から離れていた研究者や異分野の研究者までもがの分野に参入してくる,といったことが近年何回か繰り返されている。 配送計画を最適化する弊社の配車システムには「メタヒューリスティクス」と呼ばれるアプローチが用いられています。近年では「ディープラーニング」にも注目が集まっており、人工知能の可能性に期待が寄せられています。本記事では人間の知的労働をコンピューターに代行させる ここでは,最適化問題を解くための2つの主なアプローチである数理最適化(数理計画)と(メタ)ヒューリスティクスの使い分けと,これらを用いて実際問題を解決する際の手順について論じる.また,代表的な最適化問題に対する実験的解析に基づいて,アプローチの選択法と限界について考える. キーワード:数理最適化,メタヒューリスティクス,制約最適化,スケジューリング,実験的解析 1.はじめに |nbk| bwp| jcr| vam| xlv| sud| toy| kgb| nux| oze| qjh| pcy| elp| ufp| zii| nzp| fcb| ffi| bnq| yzl| ulz| ukp| hsx| iuw| btf| jox| wrg| pdi| ztq| qrv| zwc| way| wtn| abd| zxk| yjk| nuj| qoa| cmr| evj| psm| gkm| lxz| wgw| nxc| zdh| obi| omv| gop| bhj|