| 開講学期／Course Start | 2017年度／Academic Year 後期／Second 第3クォーター／3rd Quarter |
|---|---|
| 開講曜限／Class period | 月/Mon 1,月/Mon 2,月/Mon 3,月/Mon 4 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | 情報電子工学系専攻知能情報学コース |
| 対象学年／Year | 1年,2年 |
| 授業科目区分／Category | 博士前期課程 大学院自専攻科目 |
| 必修・選択／Mandatory or Elective | 選択 |
| 授業方法／Lecture or Seminar | 講義 |
| 授業科目名／Course Title | 知能システム学特論Ｂ |
| 単位数／Number of Credits | 2.0 |
| 担当教員名／Lecturer | 渡邉真也(情報電子工学系学科コンピュータ知能学コース) |
| 時間割コード／Registration Code | MQ329 |
| 連絡先／Contact |
渡邉真也(居室：V613 メールアドレス：sin[at]csse.muroran-it.ac.jp ([at] は@に置換)) |
| オフィスアワー／Office hours |
渡邉真也(月曜 １６：００-１７：００ 場所：Ｖ６１３) |
| 更新日／Date of renewal | 2017/09/21 |
|---|---|
| 授業のねらい ／Learning Objectives |
この講義では,最適化をキーワードとして線形計画,非線形計画,整数計画,組み合わせ最適化問題に関する数理的アプローチについて体系的に学ぶことを目的とする．具体的には,シンプレックス法,ニュートン法,遺伝的アルゴリズムなどのヒューリスティック解法,分子限定法などをとりあげ,その中身と特徴について演習を交えながら説明する． This subject is designed to understand the basic concepts of optimization, such as linear programming, non-linear programing, integer programing and combinational optimization. Especially, some typical approaches for these problem, like simplex method, newton method and some heuristic methods, are focused on and learned through some computer programing practices. |
| 到達度目標 ／Outcomes Measured By: |
１．幅広い最適化問題について定式,代表的なアプローチについて体系的に理解する． ２．遺伝的アルゴリズムなど古典的な進化計算手法の概要およびそのパラメータ設定理論について理解できる． 1. Systematically understanding of the formulation of optimization problem and typical optimization approaches. 2. Understanding of typical evolutionary computation methods, such as genetic algorithms, particle swarm optimization and so on. |
| 授業計画 ／Course Schedule |
総授業時間数 22.5時間 (Total hours 22.5hrs) 第1-4回 最適化問題,代表的な最適化手法全般について 第5-8回 ヒューリスティック解法（遺伝的アルゴリズムやPSOなど） 第9-11回 組み合わせ最適化問題・実数最適化問題へのアプローチについて 第12-14回 多目的最適化への応用について 第15回 レポート提出 1st-4th Fundamental theory and typical category of optimization problems 5th-8th Heuristics approaches like genetic algorithm and particle swarm optimization. 9th-11th Theory of combinational problems and typical approaches for these such as branch and bounds. 12th-14th Basic theory of multi-objective problem and evolutionary multi-criterion optimization 15th report submission |
| 参考書等 ／Required Materials |
遺伝的アルゴリズム －その理論と先端的手法－(ISBN:4627847815) |
| 教科書・参考書に関する備考 |
[教科書] 講義資料を随時配布する。 The documents for this subject are delivered in every class. [参考書] ・棟朝 雅晴 著：遺伝的アルゴリズム －その理論と先端的手法－森北出版、2008年 Masaharu Munetomo: Genetic algorithm ?the theory and advanced approaches-, Morikita, 2008(in Japanese) |
| 成績評価方法 ／Grading Guidelines |
・レポートの内容で評価する。 ・提出期限までにレポートを提出しなかった場合は、成績評価の対象とせず不合格とする。 The score of each student is evaluated by reports only. If reports were not submitted until due date, the score of this student would be treated as out of assessment and judged as a rejection. |
| 履修上の注意 ／Notices |
不合格の場合は再履修すること。 In the case of rejection, take this subject again. |
| 学習・教育目標との対応 ／Learning and Educational Policy |
この授業科目は情報電子工学系専攻の情報システム学コースと知能情報学コースの学習・教育目標の全ての項目に対応している。 This course is relate to all the educational policies of Computer Systemics Course and Intelligent Informatics Cource in Division of Information and Electronic Engineering. |
| 備考 ／Notes |
本講義は原則,日本語で行う． Only Japanese language is used for this lecture. |
| No. | 回（日時） ／Time (date and time) |
主題と位置付け（担当） ／Subjects and instructor's position |
学習方法と内容 ／Methods and contents |
備考 ／Notes |
|---|---|---|---|---|
| 該当するデータはありません | ||||
|
Active learning 1-1 ／主体的学修（予復習，反転授業，小テスト，振り返り 等） |
・授業では定期的に課題を与え，復習に取り組んでもらう．また幾つかの課題は自主的に考え取り組む内容となっている． ・In this lecture, I give some assignments on a routine schedule for reviewing. Also, some of these assignments requires self driven learning. |
|---|---|
|
Active learning 1-2 ／上記項目に係るALの度合い |
15%未満 |
|
Active learning 2-1 ／対話的学修（グループ学習，協働，調査体験 等） |
|
|
Active learning 2-2 ／上記項目に係るALの度合い |
該当なし |
|
Active learning 3-1 ／深い学修（複数科目の知識の総合化や問題解決型学修 等） |
・これまで学んだ工業数学の知識を基礎とし，総合的な課題に取り組む． Based on the curriculum about Engineering mathematica, the learning style is comprehensive. |
|
Active learning 3-2 ／上記項目に係るALの度合い |
15%未満 |