到達目標
(1) 最適化問題の規模を把握できる
(2) 各最適化手法の理論を説明できる
(3) 各手法をプログラムとして実装し、パラメータ設定等が与える影響を分析できる
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 最低限の到達レベルの目安(可) | 未到達レベルの目安 |
評価項目1 | 最適化問題の構造を理解し、問題の難しさを把握できる | 基礎的な最適化問題の構造を理解し、問題の難しさを把握できる | 基礎的な最適化問題の構造を理解し、問題の難しさを部分的に把握できる | 最適化問題の構造を理解できない |
評価項目2 | 各最適化手法の理論を説明できる | 基礎的な最適化手法の理論を説明できる | 基礎的な最適化手法の理論を部分的に説明できる | 各最適化手法の理論を説明できない |
評価項目3 | 各手法をプログラムとして実装し、パラメータ設定等が与える影響を分析できる | 基礎的な手法をプログラムとして実装し、パラメータ設定等が与える影響を分析できる | 基礎的な手法をプログラムとして実装し、パラメータ設定等が与える影響を部分的に分析できる | 各手法をプログラムとして実装できない |
学科の到達目標項目との関係
JABEE (d)-(3)
説明
閉じる
教育目標 (D)①
説明
閉じる
教育方法等
概要:
第4学期開講
授業の進め方・方法:
最適化問題の近似解法として、遺伝的アルゴリズムや遺伝的プログラミングなどの進化的計算手法を学習する。身近な最適化問題を各自が設定し、適切な最適化手法を用いて精度の高い近似解を求める。
注意点:
世の中に実在するほとんどの問題は、学校の試験問題のように解がきっちり求まりません。
この授業では、いくつかの最適化手法を学習することで、
このような問題の近似解を求める方法を身に付けます。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
概要説明 |
最適化問題の定式化、ナップサック問題や巡回セールスマン問題などの例について理解する
|
2週 |
遺伝的アルゴリズム |
遺伝的アルゴリズムの仕組み、評価関数、コード化、選択、交叉、突然変異などについて理解する
|
3週 |
遺伝的プログラミング |
遺伝的プログラミングの仕組み、評価関数、コード化、選択、交叉、突然変異などについて理解する
|
4週 |
進化論的手法 |
Ant Colony Optimization、Particle Swarm Optimizationなどの手法を理解する
|
5週 |
最適化演習 |
課題設定、文献調査、予備実験などを行う
|
6週 |
最適化演習 |
課題設定、文献調査、予備実験などを行う
|
7週 |
最適化演習 |
課題設定、文献調査、予備実験などを行う
|
8週 |
最適化演習 |
プログラムの実装、最適化実験などを行う
|
4thQ |
9週 |
最適化演習 |
プログラムの実装、最適化実験などを行う
|
10週 |
最適化演習 |
プログラムの実装、最適化実験などを行う
|
11週 |
最適化演習 |
結果の考察、発表資料・報告書作成などを行う
|
12週 |
最適化演習 |
結果の考察、発表資料・報告書作成などを行う
|
13週 |
最適化演習 |
結果の考察、発表資料・報告書作成などを行う
|
14週 |
成果発表会 |
演習の成果を発表する
|
15週 |
まとめ |
これまでの内容を理解する
|
16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| レポート | 合計 |
総合評価割合 | 100 | 100 |
知識の基本的な理解 【知識・記憶、理解レベル】 | 100 | 100 |