milp() 関数の integrality 引数は、目的関数内の変数を整数、つまり離散変数として扱うことを保証します。
milp()
最適化を行う際にこの引数を省略すると、どのような影響がありますか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、Optimizationの基本要素と、産業やさまざまな分野での幅広い活用例を紹介します。最適化問題を解くための簡易な全探索法を示し、本コースに必要な概念について数理の基礎を提供します。
この章では、微分法とSymPyを使って、非制約および制約付きの最適化問題を解く方法と注意点を学びます。さらに、SciPyを用いて、1変数・多変数の非制約最適化を数値的に、少ないコード量で解く方法を紹介します。続いて、SciPyとPuLPで線形計画法を解きます。
この章では、さまざまな制約を伴う凸制約付き最適化問題を紹介し、少なくとも1つの変数が整数となる、いわゆる線形計画法の拡張である混合整数線形計画問題（MILP）を扱います。
現在の演習
この章では、良い解が複数存在する場合にグローバル最適解を見つける方法を扱います。感度分析を行い、非線形問題をSciPyやPuLPで解きやすい形に変換する線形化の手法を学びます。応用例として、研修コストを考慮した人員配分問題や、相互依存のあるプロジェクトを含む資本予算編成問題を解きます。
