Seattle consultion 20200822
•
0 likes•508 views
「数理最適化-技術書典の出版に向けて-」もくもく会で、数理最適化の入門をまとめたものです。 【第4回】＼オンライン／シアトルもくもく会！ 時間：2020年8月22日（土）13：00-17：00 場 所：オンライン
More Related Content
What's hot
What's hot (20)
Similar to Seattle consultion 20200822
Similar to Seattle consultion 20200822 (20)
More from 博三 太田
More from 博三 太田 (20)
Recently uploaded
Recently uploaded (14)
Seattle consultion 20200822
- 2. 自己紹介 1. 環境工学を専攻：廃棄物の処理処分に関する研究 →統計学を副専攻 ↓ 2. Web系企業でレコメンドエンジンや文章自動生成の開 発など ↓ 3. 『ウェブ解析士』の資格本を初版時に執筆協力 https://00m.in/MFxzI ↓ 4. 統計解析⇨データマイニング⇨機械学習・AIへ キャッチアップし、今は自然言語理解×強化学習！ ⇨『Juliaデータサイエンス』(2017年刊行: 分担翻訳) https://00m.in/wSR0u 2
- 3. 目次 1. 背景 2. 外食の新メニュー開発についての概要 3. 主な数理最適化手法について 4. 隣接する領域としての深層強化学習について 5. 実装例 6. 今後の課題/まとめ 7．参考文献・参照URL一覧 3
- 4. 目次 1. 背景 2. 外食の新メニュー開発についての概要 3. 主な数理最適化手法について 4. 隣接する領域としての深層強化学習について 5. 実装例 6. 今後の課題/まとめ 7．参考文献・参照URL一覧 4
- 5. 1. 背景 ・リスティング広告の企画資料作成の際に、 外食産業での新メニュー開発に 出会いました（ ＾ω＾）・・・ ↓ ・費用をかけずに新メニュー開発を行うこと ・季節メニューとして仕入れの数量が 限定的であること ↓ ・これらは、数理最適化問題として、 学校給食などで用いられているようです。 ⇒今回は数理最適化問題の代表的なものをPythonのPULP などのモジュールを用いて、Google Colabolatoryで実装して みました！ https://github.com/otanet/opt 5
- 6. 目次 1. 背景 2. 外食の新メニュー開発についての概要 3. 主な数理最適化手法について 4. 隣接する領域としての深層強化学習について 5. 実装例 6
- 7. 2.事業の軸になっているサービスや商品は何かを 考えてみます。 2. 外食の新メニュー開発についての概要① キーアイテム ・量 を 多 く し た も の ・メ ニ ュ ー 開 発 し た も の 7
- 10. ・制約条件： 1） 費用をかけずに新メニュー開発を行うこと 2） 季節メニューとして仕入れの数量が限定的であること 2. 外食の新メニュー開発についての概要④ メ ニ ュ ー 開 発 し た も の 10
- 11. 目次 1. 背景 2. レコメンドエンジンにみる、異なる2つの問題設定 3. 主な数理最適化手法について 4. 隣接する領域としての深層強化学習について 5. 実装例 6. 今後の課題/まとめ 7．参考文献・参照URL一覧 11
- 12. 3. 主な数理最適化手法について① 引用先: 「ORを探せ！－暮らしに溶け込むOR －」 http://www.orsj.or.jp/members/poster.pdf 12 行 政 、 鉄 道 、 オ フ ィ ス ビ ル 、 コ ン ビ ニ 、 工 場 、 例 ）空 港 、 マ ッ チ ン グ ・数 理 最 適 化 が 使 わ れ て い る 領 域 の 全 体 像 で す 。
- 13. 3. 主な数理最適化手法について① • 数理最適化は、問題設定がポイントです！ • 「どのような条件で最適化するか」を決めます。 13
- 14. ・線形計画問題として定式化します。 ※範囲は （-1 ～ 1） 3. 主な数理最適化手法について② 14
- 15. 3. 主な数理最適化手法について③ • 整数混合問題は、線形計画法より複雑です。 ※ （∞） 15
- 17. 目次 1. 背景 2. レコメンドエンジンにみる、異なる2つの問題設定 3. 主な数理最適化手法について 4. 隣接する領域としての深層強化学習について 5. 実装例 6. 今後の課題/まとめ 7．参考文献・参照URL一覧 17
- 18. 4. 隣接する領域としての深層強化学習について① ・数理最適化問題はORの分野で深層強化学習 と隣接しているようです。 ※ 引用先: “Grokking Reinforcement Learning” Manning Publications 制御工学 オペレーションズ・リ サーチ（OR） 18
- 19. 4. 隣接する領域としての深層強化学習について② ※ 引用先: “Grokking Reinforcement Learning” Manning Publications 実体 強化学習で 問題設定 • 深層強化学習は試行錯誤の最適化問題とみな すこともできそうです。 19
- 20. 4. 隣接する領域としての深層強化学習について③ ※ 引用先: “Grokking Reinforcement Learning” Manning Publications • 状態→行動→報酬→…の繰り返し（試行錯誤）しながら、最適化 を図るのが、深層強化学習で、この問題設定が適用できれば強 力なソリューションとなり得ると言えます。 20
- 21. 目次 1. 背景 2. レコメンドエンジンにみる、異なる2つの問題設定 3. 主な数理最適化手法について 4. 隣接する領域としての深層強化学習について 5. 実装例 6. 今後の課題/まとめ 7．参考文献・参照URL一覧 21
- 22. 5. 実装例（数理最適化問題） • Google Colaboratoryで 線形最適化の「生産計 画問題」などです。 https://github.com/otanet/opt 22
- 24. 補足: ORを探せ！－暮らしに溶け込むOR － 引用先: 「ORを探せ！－暮らしに溶け込むOR －」 http://www.orsj.or.jp/members/poster.pdf 24 行 政 、 鉄 道 、 オ フ ィ ス ビ ル 、 コ ン ビ ニ 、 工 場 、 例 ）空 港 、 マ ッ チ ン グ ・数 理 最 適 化 が 使 わ れ て い る 領 域 の 全 体 像 で す 。
- 25. 補足: ORを探せ！－暮らしに溶け込むOR － 引用先: 「ORを探せ！－暮らしに溶け込むOR －」 http://www.orsj.or.jp/members/poster.pdf 25 行 政 、 鉄 道 、 オ フ ィ ス ビ ル 、 コ ン ビ ニ 、 工 場 、 例 ）空 港 、 マ ッ チ ン グ ・数 理 最 適 化 が 使 わ れ て い る 領 域 の 全 体 像 で す 。
- 26. 補足: ORを探せ！－暮らしに溶け込むOR － 引用先: 「ORを探せ！－暮らしに溶け込むOR －」 http://www.orsj.or.jp/members/poster.pdf 26 行 政 、 鉄 道 、 オ フ ィ ス ビ ル 、 コ ン ビ ニ 、 工 場 、 例 ）空 港 、 マ ッ チ ン グ ・数 理 最 適 化 が 使 わ れ て い る 領 域 の 全 体 像 で す 。
- 27. 補足: ORを探せ！－暮らしに溶け込むOR － 引用先: 「ORを探せ！－暮らしに溶け込むOR －」 http://www.orsj.or.jp/members/poster.pdf 27 行 政 、 鉄 道 、 オ フ ィ ス ビ ル 、 コ ン ビ ニ 、 工 場 、 例 ）空 港 、 マ ッ チ ン グ ・数 理 最 適 化 が 使 わ れ て い る 領 域 の 全 体 像 で す 。
- 28. 補足: ORを探せ！－暮らしに溶け込むOR － 引用先: 「ORを探せ！－暮らしに溶け込むOR －」 http://www.orsj.or.jp/members/poster.pdf 28 行 政 、 鉄 道 、 オ フ ィ ス ビ ル 、 コ ン ビ ニ 、 工 場 、 例 ）空 港 、 マ ッ チ ン グ ・数 理 最 適 化 が 使 わ れ て い る 領 域 の 全 体 像 で す 。
- 29. 補足: ORを探せ！－暮らしに溶け込むOR － 引用先: 「ORを探せ！－暮らしに溶け込むOR －」 http://www.orsj.or.jp/members/poster.pdf 29 行 政 、 鉄 道 、 オ フ ィ ス ビ ル 、 コ ン ビ ニ 、 工 場 、 例 ）空 港 、 マ ッ チ ン グ ・数 理 最 適 化 が 使 わ れ て い る 領 域 の 全 体 像 で す 。
- 30. 補足: ORを探せ！－暮らしに溶け込むOR － 引用先: 「ORを探せ！－暮らしに溶け込むOR －」 http://www.orsj.or.jp/members/poster.pdf 30 行 政 、 鉄 道 、 オ フ ィ ス ビ ル 、 コ ン ビ ニ 、 工 場 、 例 ）空 港 、 マ ッ チ ン グ ・数 理 最 適 化 が 使 わ れ て い る 領 域 の 全 体 像 で す 。
- 31. 補足: ORを探せ！－暮らしに溶け込むOR － 引用先: 「ORを探せ！－暮らしに溶け込むOR －」 http://www.orsj.or.jp/members/poster.pdf 31 行 政 、 鉄 道 、 オ フ ィ ス ビ ル 、 コ ン ビ ニ 、 工 場 、 例 ）空 港 、 マ ッ チ ン グ ・数 理 最 適 化 が 使 わ れ て い る 領 域 の 全 体 像 で す 。