授業情報/Course information

開講学期/Course Start 2021年度/Academic Year  後期/Second
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情報システム学コース
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 講義科目
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
時間割コード/Registration Code MQ329A
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)
実務経験/Work experience
更新日/Date of renewal 2021/08/31
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


新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、授業計画・授業実施方法は変更する可能性があります。

However, the above schedule may be changed according to the spreading condition of COVID-19.

各回の学修時間の目安は、事前・事後合わせて4時間必要です。

For each 90 minute class, students are expected to undertake an additional 4 hours of
self study.
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)
成績評価方法
/Grading Guidelines
成績は,複数回のレポートにより評価する (成績の100%がレポートのみにより決定する).また,60点以上を合格とし,不合格者は再履修とする.

The grade of this course is evaluated by the quality of the submitted reports and this grade is evaluated by only reports.
A grade of more than 60 is accepted for a credit.

新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、成績評価方法は変更する可能性があります。

Due to the epidemic situation of COVID19, the evaluation method may be changed.
In that case, I will explain to you properly.
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.


本科目は,数理データサイエンス教育プログラムの科目におけるデータサイエンス科目群に含まれ,科学・工学におけるデータを中心とした情報学的アプローチを学ぶます。DSポイント:2ポイント
The content of this course is the informatics approach to science and engineering. The course is supported by Mathematical and Data Science Education Program of Muroran Institute of Technology.
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(反転授業,小テスト,振り返り 等)
・授業の内容を発展させた課題が課される.

Reports (homework) that expand the contents of class will be given.
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)
なし

Nothing.
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)
・学部において学んだアルゴリズムを基礎として,総合的な学習を行う.

Based on the curriculum related to algorithm, the learning style is comprehensive.
Active learning 3-2
/上記項目に係るALの度合い
15%未満