Download to read offline
![2. 外食の新メニュー開発についての概要②
④[新商品開発]
→キーアイテムで用
いられている原材
料に追加的費用
の最小化によって、
実現します。
・制約条件:
期間限定メニュー
はその物価が安い
時に仕入れるため、
数量が限定的であ
る。
キーアイテム
追加費用は
チーズの1品目
のみ。
材料の追加は
10品目と採算
が取れない可
能性が高い。
8](https://image.slidesharecdn.com/seattleconsultion20200822-200822072814/85/Seattle-consultion-20200822-8-320.jpg)
Uploaded by博三 太田
Seattle consultion 20200822
「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
Seattle consultion 20200822
- 1.
- 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、GoogleColabolatory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.
- 8.
- 9.
- 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.
- 16.
- 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） • GoogleColaboratoryで 線形最適化の「生産計 画問題」などです。 https://github.com/otanet/opt 22
- 23.
- 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 。