バックナンバー ( 2017 Vol.1 ) 2017 年 1 月 18 日 発行
-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
数理システム 最適化メールマガジン http://www.msi.co.jp/nuopt/
2017 Vol.1 ( 2017 年 1 月 18 日 発行 )
-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
数理システム 最適化メールマガジンでは,数理計画法パッケージ
数理システム Numerical Optimizer をはじめとして,最適化に関する様々
な情報やご案内を提供していきます.
++++ [目次] ++++++++++++++++++++++++++++++++++++++++++++++++++++++
■ <トピック> Numerical Optimizer V19 のリリースにあたって
■ <トピック> プロジェクト MIPLIB 2017 (仮)のご紹介
■ <セミナー> 定例セミナーのご案内
■ <セミナー> 最適化 & シミュレーション体験セミナー
「製造業向けソリューションのご紹介」
■ <トピック> NIPS 2016 参加報告
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
******************************************************************
■ <トピック> Numerical Optimizer V19 のリリースにあたって
******************************************************************
Numerical Optimizer 開発責任者の田辺でございます.
昨今の AI ブームの下,計画を立てたり,判別したりといった知的作業を
計算機にさせる機運の高まりを感じます.
数理最適化はその屋台骨を支える古典的手法としてその価値が見直されて
います.
Numerical Optimizer V19 の新しい Excel アドインは,最適化モデルを
Microsoft Excel が理解するのがポイント.
セルに埋め込まれた数式から定式化を独立させてモデリング言語で記述
することによりデータの規模を拡張する際に Excel 側の操作を繰り返す
手間を削減.
まさに「1 を聞いて 10 を知る」ツールとなっています.
自分で最適化モデルをチューニングしたいというニーズに応えて誕生した
GUI 環境 Nuorium もバージョンアップ.我々最適化を業務として使う者の
ニーズにも応える UI を実現すべく洗練されました.
最適化モデルの編集と実行がより美しい画面で軽快に可能となっています.
外から見えないソフトウエアの基本機能やアルゴリズムの性能についても
細かなチューニングを行っています.今回は MILP/QP(混合整数計画問題)
のエンジンの所要メモリを 1/3 にしたことが特筆すべき改良点です.
数千変数でも凸計画であれば数秒で最適解が求まり,複雑な
ヒューリスティクスも試行回数が十分に稼げる計算機のスピード,
潤沢なメモリ,マルチコア環境等々,最適化ソフトウエアの実装に
こだわりつづけてきた我々にはまさに夢のような計算機環境が実現
しています.
このパワーを Numerical Optimizer を通じて解放すべく努力を続けます.
本年もどうかよろしくお願い申しあげます.
(田辺 隆人)
******************************************************************
■ <トピック> プロジェクト MIPLIB 2017 (仮)のご紹介
******************************************************************
MILP ベンチマーク更新プロジェクト「MIPLIB 2017(仮)」について
ご案内いたします.
ドイツの Zuse Institute Berlin (http://www.zib.de) を中心に混合整数
計画問題のベンチマーク問題を更新するプロジェクト「MIPLIB 2017(仮)」
が始まりました.
混合整数計画問題を解くアルゴリズムは日夜研究されていますが,その
研究を前進させるためにベンチマーク整備が欠かせません.
MIPLIB は長年標準的な混合整数計画問題のベンチマークとして用いられ,
MIPLIB 2017 は 2017 年内に MIPLIB を更新するプロジェクトです.
本プロジェクトには世界の主要なオプティマイザー開発者が集い,弊社
からも参画する予定です.
以下のような問題を募集をしています.
- 長時間オプティマイザーで計算をしても最適解が見つからない
- 実行可能解がなかなか見つからない
- 最適解は見つかるが,分枝ノードが大量に生成される
皆さまのお手元に興味深い MILP 問題がありましたら,ぜひ投稿をお願い
いたします.
投稿ページ: https://miplibsubmissions.zib.de/
投稿期限は 2/28 です.皆様の投稿をお待ちしております.
(藤井 浩一)
******************************************************************
■ <セミナー> 定例セミナーのご案内
******************************************************************
---[ Numerical Optimizer 定例セミナー開催日程 ]------------------
・ 1 月 26 日 (木) 13:30 - 16:30 課題解決!!最適化ソリューション
無料体験セミナー
・ 2 月 7 日 (火) 13:30 - 17:00 Numerical Optimizer 体験セミナー
・ 2 月 14 日 (火) 13:30 - 17:00 Numerical Optimizer
スキルアップセミナー
・ 3 月 7 日 (火) 13:30 - 17:00 Numerical Optimizer 体験セミナー
Numerical Optimizer 体験セミナーでは,Numerical Optimizer V19 の
新機能「Excel アドイン機能」の紹介をします.
是非奮ってご参加ください.
------------------------------------------------------------------
お申込み・詳細は下記をご覧ください.
https://msi.hmup.jp/nuopt/seminar
(中野 雄介)
******************************************************************
■ <セミナー> 最適化 & シミュレーション体験セミナー
「製造業向けソリューションのご紹介」
******************************************************************
製造業に特化した最適化とシミュレーションを同時に体験できるセミナーの
ご案内をいたします.
例えば,次のような課題をお持ちではないでしょうか.
・効率のよい生産計画を自動作成したい
・シミュレーションで生産計画におけるリスクを定量的に見積もりたい
・製造ラインを最適にするにはどうしたらよいか
・在庫を切らさないためにはいつ発注をかけるべきか?
・工場や倉庫などの施設をどこに作れば効率がよいか?
セミナーでは,実際に当社の最適化ソフト Numerical Optimizer と
シミュレーションソフト S4 Simulation System を操作頂き,これらの
課題に取り組んで頂きます.
また,最適化やシミュレーションの入門的な解説や,製造業に関係した
最適化,シミュレーションソリューションの適用事例も多数ご紹介いた
します.
お持ちの課題をどのように解決すればよいか迷われている方,生産管理を
ご研究されている先生や学生の方には,最適なセミナーです.
終了後の個別相談では,最適化,シミュレーションの両方に精通している
スタッフがご相談を承ります.
[日程]
2017 年 2 月 17 日(金) 13:30 - 16:30
[詳細・お申込み]
http://www.msi.co.jp/s4/seminar/seminarOptSimMaker.html
[定員]
20 名
お近くにご興味をお持ちの方がいらっしゃれば,是非ご案内ください.
皆様のお申込みを心よりお待ちしております.
(嶋田 佳明)
******************************************************************
■ <トピック> NIPS 2016 参加報告
******************************************************************
最近は AI や機械学習といった単語を目にする機会が増えましたね.
弊社もこれまでメインに行っていた数理最適化やデータ分析に加え,
機械学習,特にディープラーニングといった分野にも取り組んでいます.
さて,昨年の 12 月には機械学習系の最大の国際会議である
NIPS (Neural Information Processing Systems) がスペインのバルセロナ
にて開催され,筆者も参加して来ました.
近年の機械学習分野の盛り上がりに呼応するように参加者も年々増え続け
ており,2013 年には約 1200 人であった参加人数は,2016 年には
約 5700 人になりました.
開催期間の 1 カ月前にはチケットが売り切れるような状態で,筆者も
10 月末に申し込んだのですが,その一週間後には売り切れていました.
メインの会場は 85 席程度の列が 60 列ほどもあるような広さで,
参加者層としては大学・研究所・企業問わず,幅広いバックグラウンドを
もつ人が集まり,会場でのジョブハンティングも活発に行われていました.
NIPS は機械学習系最大の国際会議ということで開催期間は 12/5(月)から
12/10(土)と長期に亘り,スケジュールは以下のようになっていました.
12/ 5(月) チュートリアル,招待講演,ポスターセッション
12/ 6(火) オーラル,ポスターセッション
12/ 7(水) オーラル,ポスターセッション
12/ 8(木) オーラル,シンポジウム
12/ 9(金) ワークショップ
12/10(土) ワークショップ
初日のチュートリアルは,現在最先端で研究されている各テーマについての
入門的内容を扱うもので,必要な情報や文献などが丁寧に紹介され,とても
勉強になるものです.
公開されているスライドを以下にいくつか挙げたいと思います.
・Variational Inference: Foundations and Modern Methods
確率モデルの近似推論方法の紹介です.
http://www.cs.columbia.edu/~blei/talks/2016_NIPS_VI_tutorial.pdf
・Large-Scale Optimization: Beyond Stochastic Gradient Descent
and Convexity
確率的勾配降下法,最急降下法,分散縮小法について紹介し,その非凸
最適化への適用について扱っています.
http://www.di.ens.fr/~fbach/fbach_tutorial_vr_nips_2016.pdf
http://www.di.ens.fr/~fbach/ssra_tutorial_vr_nips_2016.pdf
・Generative Adversarial Network
ここ数年で一分野を築く程の盛り上がりを見せた GAN についての紹介です.
http://www.iangoodfellow.com/slides/2016-12-9-gans.pdf
・Deep Reinforcement Learning Through Policy Optimization
囲碁における AlphaGo の活躍が記憶に新しいですが,強化学習は引き続き
注目を集めています.
http://people.eecs.berkeley.edu/~pabbeel/nips-tutorial-
policy-optimization-Schulman-Abbeel.pdf
今回の NIPS には 5000 人以上の人が参加したこともあり,ポスター
セッションなどは歩くのも困難なほどに人が集まり,大変熱気溢れたものと
なりました.
採択された論文はすべて
で公開されていますが,ポスターセッションやコーヒーブレイク中に
会話や議論を行うだけでも刺激を受けるため,実際に参加する価値は
大いにあると言えるでしょう.
話題のトレンドとしてはやはりディープラーニング系のものが多くを
占めていますが,GAN (Generative Adversarial Networks) への盛り
上がりが随所で感じられ,今年の NIPS を象徴するものに思えました.
以上,ご報告でした.
(大槻 兼資)
==================================================================
※ このメールは,展示会・セミナー等で名刺交換をされた方,過去に
数理システム Numerical Optimizer に関するお問い合わせを頂いたこ
とのある方,および本メールマガジンの配信を希望された方にお送り
しています.
※ バックナンバーはこちらから御覧頂けます.
http://www.msi.co.jp/nuopt/mailmagazine/index.html
※ 本メールマガジンは等幅フォントでお読みになることを推奨します.
※ 今後このメールマガジンが不要な方は,誠にお手数ですが,「メール
マガジン配信停止」という件名のメールを nuopt-ms@ml.msi.co.jp
にお送りください.なお,反映作業の都合上,数日間は旧情報にてメー
ルが届く場合がございます.なにとぞご容赦ください.
発行:株式会社 NTT データ数理システム
<< 数理システム Numerical Optimizer >> 担当
東京都新宿区信濃町 35 番地 信濃町煉瓦館 1 階
tel : 03-3358-6681
e-mail : nuopt-info@ml.msi.co.jp
==================================================================