Pythonで学ぶ数理最適化による問題解決入門【PDF版】新発売

株式会社ビープラウド（著） , PyQチーム（著） , 斎藤努（著）

商品番号: 180230
販売状態: 発売中
納品形態: 会員メニューよりダウンロード
発売日: 2024年04月11日
ISBN: 9784798180236
データサイズ: 約15.4MB
制限事項: 印刷可・テキストのコピー可
キーワード: Python 電子書籍【PDF版】数学

3,300円（税込）（本体3,000円＋税10％）
送料無料

1,500pt (50%) キャンペーン
ポイントの使い方はこちら

初回購入から使えるポイント500円分プレゼント

紙の書籍はこちら紙書籍とPDF版のセット商品はこちら

お気に入り

※1点の税込金額となります。複数の商品をご購入いただいた場合のお支払金額は、単品の税込金額の合計額とは異なる場合がございますので、予めご了承ください。

本製品は電子書籍【PDF版】です。
ご購入いただいたPDFには、購入者のメールアドレス、および翔泳社独自の著作権情報が埋め込まれます。
PDFに埋め込まれるメールアドレスは、ご注文時にログインいただいたアドレスとなります。
Amazon Payでのお支払いの場合はAmazonアカウントのメールアドレスが埋め込まれます。
本製品を無断で複製、転載、譲渡、共有および販売を行った場合、法律により罰せられる可能性がございます。
ご購入の前に必ずこちらをお読みください。

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
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。

PDF版のご利用方法

ご購入後、SEshopにログインし、会員メニューに進みます。
ご購入電子書籍およびデータ＞ [ご購入電子書籍およびダウンロードデータ一覧]をクリックします。
購入済みの電子書籍のタイトルが表示されますので、リンクをクリックしてダウンロードしてください。
PDF形式のファイルを、お好きな場所に保存してください。
端末の種類を問わず、ご利用いただけます。

Pythonのコードを動かしながら最適化を体験できる

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「PyQ」や、PC上のJupyterLabを利用し、Pythonのコードを動かしながら最適化を体験できます。

確認問題を解いて理解を深める

本文の随所に簡単な確認問題を用意しています。確認問題を解くことで、内容の理解度を確認しながら読み進めことができます。

演習問題で腕試し

一部の章末には演習問題を用意しています。学習した内容を元に挑戦してみてください。

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

各種問い合わせは以下のリンクからご連絡ください