Pythonで学ぶ数理最適化による問題解決入門(AI & TECHNOLOGY) [単行本]

Pythonで学ぶ数理最適化による問題解決入門(AI & TECHNOLOGY) の 商品概要

• 要旨（「BOOK」データベースより）

  コードを動かしながら最適化に挑戦しよう！オンラインＰｙｔｈｏｎ学習サービス「ＰｙＱ」開発チームが送る数理最適化による問題解決本。「環境なし」でもすぐに始められる！

• 目次

  Prologue PyQでPythonや数理最適化を学ぶ
  P.1 PyQとは
  P.2 本書とPyQの併用・購入特典
  
  第0章 本書の使い方
  0.1 使い方（1）PyQ上で解く
  0.2 使い方（2）ローカル PCのJupyter上で解く
  
  第1章 数理最適化による問題解決
  1.1 数理最適化って何だろう？
  1.2 数理最適化で問題解決
  1.3 数理最適化の種類と解き方
  
  第2章 数理モデルって何だろう
  2.1 数理モデルの概要
  2.2 線形最適化問題とは
  2.3 線形の数理モデルの特徴
  2.4 制約条件の書き方
  2.5 結果のステータス
  2.6 ソルバーとは
  2.7 数理モデルを作ろう（クッキーとケーキ）
  
  第3章 Pythonで数理モデルを作ろう
  3.1 Python-MIPとは
  3.2 Python-MIPでモデルを作ろう
  3.3 コードの添削
  3.4 Python-MIPで解を求めよう
  3.5演習 Python-MIPの練習
  3.6演習 文章問題の練習
  
  第4章 たくさんの変数はベクトルで
  4.1 ベクトルを使ってみよう
  4.2 変数ベクトルの作成
  4.3 要素の型の変換
  4.4 変数ベクトルの合計
  4.5 ベクトルの内積
  4.6 変数ベクトルを使った数理モデル
  4.7演習 変数ベクトルの練習
  
  第5章 混合整数最適化って何だろう
  5.1 混合整数最適化とは
  5.2 混合整数最適化問題の例（クッキーとケーキ）
  5.3 整数変数のベクトル
  5.4 0-1変数ベクトルの例題1
  5.5 0-1変数ベクトルの例題2
  5.6 ナップサック問題
  5.7演習 テーマパークのアトラクション
  
  第6章 Python-MIPのクラス
  6.1 ModelとVarとConstr（全変数と全制約条件）
  6.2 Varの属性（上下限など）
  6.3 VarとLinExprの値の取得
  6.4 変数ベクトル作成時の指定
  6.5 2次元配列の便利機能
  6.6 その他のクラスと関連
  
  第7章 問題解決ってどうやるの？
  7.1 問題解決への取り組み方
  7.2 データの前処理
  7.3 日常会話で気をつけること
  
  第8章 輸送費を減らしたい
  8.1 ガソリンが高い！
  8.2 費用は削減されたのか？
  8.3 積載率が低い！
  
  第9章 もっと食べたくなる献立を
  9.1 献立どうしよう？
  9.2 栄養が足りない！
  9.3 答えが出ない！
  9.4 お気に入りの献立を！
  9.5 飽きのこない献立を！
  
  第10章 お酒をわけよう
  10.1 試飲会開催！
  10.2 公平にしたい
  10.3 2つの尺度で見よう
  
  第11章 シフト表を作りたい
  11.1 シフト表を作るには
  11.2 まずは作ってみよう
  11.3 シフト表に必要な条件を考慮しよう
  11.4 休みの希望を叶えよう
  11.5 2つの答えを出そう
  
  第12章 pandasで数理モデルを作ろう
  12.1 pandasとは
  12.2 pandasの機能
  12.3 pandasを使った数理モデル
  12.4 クッキーとケーキ
  12.5演習 おやつの問題
  
  第13章 pandasで再モデル化
  13.1 輸送のモデル
  13.2 献立のモデル
  13.3 試飲会のモデル
  13.4 シフト表のモデル

• 出版社からのコメント

  大人気オンライン学習サービス「PyQ」（パイキュー）の書籍化第2弾！Pythonで数理最適化手法を学んでみよう！

• 内容紹介

  PyQの大人気コンテンツ書籍化第2弾
  Pythonで数理最適化と問題解決手法を学んでみよう！

  【本書の背景】
  今日、数理最適化は、生産計画の最適化や勤務シフト表の作成、効率的なリソース配分の計画など幅広い分野で使われています。しかし、その理論的な深さや応用範囲の広さから、初学者が挫折感を覚えることも多いです（「はじめに」より抜粋）。

  【本書の内容】
  理論や詳細な内容を最小限に抑えて、Pythonのコードを動かしながら最適化を体験できるようにしました。さらに、簡単な確認問題を解くことで、理解度を確認しながら読み進められるように構成しました。（「はじめに」より抜粋）。

  【PyQ（パイキュー）とは】
  株式会社ビープラウドが運営する、ブラウザだけで学べるオンラインPython学習サービス。

  【学習環境】
  実行環境：PyQ、または、PC上のJupyterLab
  利用言語：Python 3.11
  利用ライブラリ：mip(1.15.0)、mip-tool(0.3.2)、pandas(2.1.3)、JupyterLab(4.0.9)、
  Matplotlib(3.8.2)

  【対象読者】
  ・数理最適化を使って、社会や身近な問題解決に活かしたいという方
  ・数理最適化を勉強したけど身につかず挫折した方

  【前提知識】
  ・高校数学のベクトルの知識
  ・Pythonの文法知識

  【目次】
  Prologue PyQでPythonや数理最適化を学ぶ
  第0章 本書の使い方
  第1章 数理最適化による問題解決
  第2章 数理モデルって何だろう
  第3章 Pythonで数理モデルを作ろう
  第4章 たくさんの変数はベクトルで
  第5章 混合整数最適化って何だろう
  第6章 Python-MIPのクラス
  第7章 問題解決ってどうやるの？
  第8章 輸送費を減らしたい
  第9章 もっと食べたくなる献立を
  第10章 お酒をわけよう
  第11章 シフト表を作りたい
  第12章 pandasで数理モデルを作ろう
  第13章 pandasで再モデル化

  【著者プロフィール】
  ・株式会社ビープラウド
  ・PyQチーム
  ・斎藤 努（さいとう・つとむ）
  　株式会社ビープラウドにてPyQなどを担当。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  斎藤 努(サイトウ ツトム)
  東京工業大学大学院理工学研究科情報科学専攻修士課程修了。２０２３年現在、株式会社ビープラウドにてＰｙＱや数理最適化案件などを担当。技術士（情報工学）

Pythonで学ぶ数理最適化による問題解決入門(AI & TECHNOLOGY) の商品スペック