Pythonで学ぶ数理最適化による問題解決入門 新刊

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

付属データはこちら

会員特典はこちら

お問い合わせ

内容についてのお問い合わせは、正誤表、追加情報をご確認後に、お送りいただくようお願いいたします。

正誤表、追加情報に掲載されていない書籍内容へのお問い合わせや
その他書籍に関するお問い合わせは、書籍のお問い合わせフォームからお送りください。

利用許諾に関するお問い合わせ

本書の書影（表紙画像）をご利用になりたい場合は書影許諾申請フォームから申請をお願いいたします。
書影（表紙画像）以外のご利用については、こちらからお問い合わせください。

追加情報はありません。