1. 数理最適化とPython モデリングライブラリPyomoと最適化入門 質問など-> @_likr

2. お前、誰よ 尾上 洋介（おのうえ ようすけ） Twitter @_likr（りけると読んでください） 関西大学大学院総合情報学研究科 M1 数理最適化のアルゴリズムと応用の研究 ナップサック問題 株式会社スプーキーズエンジニア Web，Android … Python歴 2年 GAE，Django，Numpy，Python/C API，PyCUDA，SL4A … 質問など-> @_likr

3. アジェンダ 科学技術計算とPython 最適化とPython 数理モデリング モデリングライブラリPyomo ケーススタディ 質問など-> @_likr

4. 科学技術計算とPython 質問など-> @_likr

5. 計算科学 (Computational Science) コンピュータによる計算で問題解決を行う科学 物理シミュレーション 流体力学 化学 構造計算 バイオインフォマティクス 応用数学 四色問題の証明 ≠計算機科学(Computer Science) 質問など-> @_likr

6. Why Python? 豊富なライブラリ batteries included Numpy, Scipyをはじめとして，ネイティブ言語実装のライブラリが豊富 GUIでビジュアライズ シンプルな構文 科学者は科学に集中したい 移植性 オープンソース 数十万〜百万円クラスのソフトがよく用いられる 質問など-> @_likr

7. 科学技術計算分野でのPython 組織 NASA 今はそうでもないとかなんとか… 高エネルギー加速器研究機構 書籍 入門自然言語処理 Bioinformatics Programming Using Python Python Scripting for Computational Science 質問など-> @_likr

8. Pythonの数理最適化ライブラリ 質問など-> @_likr

9. 数理最適化 Mathematical ProgrammingMathematical Optimization 実行可能領域内で目的関数を最大（最小化）する 解法から応用まで幅広い研究 経済学 マネジメント 回路設計 etc … 質問など-> @_likr

10. 問題の種類での分類 線形計画問題 非線形計画問題 混合整数計画問題 ナップサック問題 巡回セールスマン問題 質問など-> @_likr

11. 解法での分類 厳密解法 動的計画法 分枝限定法 近似解法 性能保証あり 近似アルゴリズム 性能保証なし 遺伝的アルゴリズム ニューラルネットワーク 質問など-> @_likr

12. Coopr COmmon Optimization Python Repository COIN-ORのサブプロジェクト Pythonの最適化ライブラリ群 coopr.pyomo – モデリング coopr.pysp – 確率計画アルゴリズム COIN-OR 最適化関連ソフトウェアをオープンソースで提供することで学術研究の発展をはかるプロジェクト 質問など-> @_likr

13. or-tools Operations Research Toolsdeveloped at Google Googleの中の人が開発 C++によるアルゴリズム実装とPythonによるアプリケーションレイヤ 質問など-> @_likr

14. 最適化ソルバのAPI 最適化ソルバ 線形計画問題ソルバ，混合整数計画問題ソルバ… ソルバの機能の一部を外部プログラムから利用したりソルバをアプリケーションに組み込むためのAPI 主要なソルバはAPIをC, C++だけでなくPythonでも提供 CPLEX Gurobi 質問など-> @_likr

15. その他 モデリング系 PuLP POAMS PyMathProg - PyGLPK OpenOpt - scipy アルゴリズム系 pyipopt - 非線形計画問題ソルバ ecspy - 遺伝的アルゴリズム等の進化的計算パッケージ 質問など-> @_likr

16. モデリング 質問など-> @_likr

17. モデリング 最適化したい現象の数学的関係を表現 利益 コスト 生産能力 線形計画問題など具体的な問題クラスに落とし込むことでソルバで扱える 質問など-> @_likr

18. 最適化問題の例 製品P1とP2を生産し利潤を最大化する 製品P1を1トン生産するには原料M1が2トン，M2が8トン，M3が3トン必要 製品P2を1トン生産するには原料M1が6トン，M2が6トン，M3が1トン必要 M1は27トンまで，M2は45トンまで，M3は15トンまでしか利用できない P1とP2の1トンあたりの利潤はそれぞれ2百万円と5百万円 P1とP2を何トンずつ生産すればいいか？ 質問など-> @_likr

19. モデルのデザイン 何を決定するのか P1とP2の生産量 x1, x2 何を目的にするのか 利潤 P1 1トンあたりの利潤 × x1+ P2 1トンあたりの利潤 × x2 質問など-> @_likr

20. モデルのデザイン 制約は何か 原料の量 P11トンあたりのM1消費量×x1+p21トンあたりのM1消費量×x2≦ M1の消費可能量 … 非負性 -1トン生産とかは不可能 質問など-> @_likr

21. モデリングライブラリPyomo Python Optimization Modeling Object 質問など-> @_likr

22. 目的 オープンソース 柔軟性 移植性 ソルバ統合 モデルの抽象化（パラメータ分離） cf. AMPL 質問など-> @_likr

23. インストール easy_installやpip coopr_install Windows用インストーラ ソースコード 質問など-> @_likr

24. 使い方 from coopr import pyomomodel = pyomo.AbstractModel()# TODO model の肉付けinstance = model.create()instance.pprint() 質問など-> @_likr

25. 何を決定するのか model.p = pyomo.Set(initialize=[1, 2])model.x = pyomo.Var(model.p, within=pyomo.NonNegativeReals) Var 決定変数の定義に使用 within(=domain) Reals(default), Binary, Integer, NonPositiveInteger… Set 集合の定義に使用 モデルの抽象化 質問など-> @_likr

26. 何を目的にするのか rule = lambda model: 2*model.x[1] + 5*model.x[2]model.profit = pyomo.Objective(rule=rule, sense=pyomo.maximize) Objective 目的関数の定義に使用 sense minimize(default) or maximize 質問など-> @_likr

27. 制約は何か rule = lambda model: (2*model.x[1] + 6*model.x[2]) <= 27model.m1 = pyomo.Constraint(rule=rule) Constraint 制約関数の定義に使用 ruleは真偽値を返す関数 質問など-> @_likr

28. ソルバを使う コンソール実行$ pyomomodel.py model.py中に変数名modelでモデル定義 results.ymlが保存される スクリプト内実行from coopr import optsolver = opt.SolverFactory('glpk')result = solver.solve(instance)print result 質問など-> @_likr

29. 質問など-> @_likr

30. 質問など-> @_likr

31. 質問など-> @_likr

32. ナップサック問題 ケーススタディ1 質問など-> @_likr

33. 問題 価値が最大になるようにカバンに荷物を詰める カバンには入れられる重さの制限がある 荷物にはそれぞれ価値と重さが決まっている 質問など-> @_likr

34. モデルの抽象化 モデル（プログラム）とデータの分離 データを変えれば他の問題が解ける 質問など-> @_likr

35. モデルのデザイン 何を決定するか 荷物iをカバンに入れるとき xi = 1 そうでないとき xi = 0 目的と制約 荷物iの価値 × xiの和 荷物iの重さ × xiの和がカバンの容量以内 xiは0または1 質問など-> @_likr

36. ソースコード 質問など-> @_likr

37. 事務所の分散 ケーススタディ2 質問など-> @_likr

38. 問題 ある会社には部門が5つあり(A, B, C, D, E)，現在全てがロンドンにある 部門の一部をブリストルとブライトンに再配置する 1つの都市における部門は3つまでとする 再配置をすればコストダウンによる利益(/年)が生じる 部門間は一定量の通信を行う 通信費(/年)は都市間ごとに決まっている 年間総費用を最小にするには各部門をどう配置する？ 質問など-> @_likr

39. パラメータ 再配置による利益 部門間の通信量 都市間の通信費 質問など-> @_likr

40. 何を決定するか 各部門をどこに配置するか 部門iを都市jに配置するとき xij = 1 そうでないとき xij = 0 補助変数（通信費の計算に使う） xij = 1 かつxkl = 1 のとき yijkl = 1 そうでないとき yijkl = 0 質問など-> @_likr

41. 枠に収める xi = 0 のとき部門iをブリストルに，xi = 1 のとき部門iをブライトンに，xi = 2 のとき部門iをロンドンにではダメ？ 非線形性を持ち，MIPの枠外になる yijklではなくxij × xklではダメ？ 二次計画問題となり，MIPの枠外になる 質問など-> @_likr

42. 目的を何にするか 利益の和 – 費用の和の最大化 部門iを都市jに置く利益 Pij × xij 部門iを都市jに置き，部門kを都市lに置く費用 Cjl × Qik × yijkl 質問など-> @_likr

43. 制約は何か 1都市に3部門まで 1部門は1つの都市にしか置けない yijkl = 1 の必要十分条件 yijkl = 1 ⇔ xij = 1 かつxkl = 1 yijkl – xij ≦ 0 yijkl – xkl ≦ 0 xij + xkl – yijkl ≦ 0 質問など-> @_likr

44. 3次元3目並べ ケーススタディ3 質問など-> @_likr

45. 問題 27マス（3 × 3 × 3）の立方体のマスに○か×を置いていく ○の数は14個，×の数は13個 線（3マスが一直線に並んでいる状態）は49本ある 27マス全てを埋めて，同じ記号が並んでいる線の数を最小にする組み合わせを求めよ 興味を持った人は考えてみてください 質問など-> @_likr

46. おわりに 質問など-> @_likr

47. おわりに 最適化研究は着実に進歩しているが，世間では広く認知されていない？ ex. 被災地への義援金配分 Pythonは科学的なアプリを作る時にも有効 Pythonで最適化にチャレンジ！ 質問など-> @_likr

48. 参考図書 坂和正敏著「数理計画法の基礎」 前田英二郎監訳，小林英三訳「数理計画モデルの作成法」 絶版 原著H. Paul Williams「Model Building in Mathematical Programming」 質問など-> @_likr

49. ご清聴ありがとうございました 質問など-> @_likr