これまで、最適化問題の代表的な問題である
ポートフォリオ最適化や、
ナップサック問題問題などを
最適化ライブラリで解く方法を紹介してきましたが、
今回は最大流問題(Max Flow Problem)という
こちらも有名な最適化問題の概要と、
それをプログラムで解く方法について紹介したいと思います。
続きを読む
以前、PythonのGUIフレームワークとして、
PyQtや
kivyを紹介しましたが、
上記のような、外部ライブラリだと
ユーザにそれらのライブラリをインストールをしてもらう必要があるため、
気軽に使えない場合がありました。
PythonにはデフォルトのGUIフレームワークとして
tkinterがあるのですが、
25.1. tkinter — Python interface to Tcl/Tk — Python 3.6.8 documentation
見た目がかなり野暮ったかったので、
Pythonさえインストールしておけば使えるという特徴はあったのですが、
あまり使う気が起きませんでした。
しかし先日、
下記の記事で紹介した通り、
最近のPython3.6.xでは、
tkinterがバージョンアップしており、
tkinterのversion8.0以降はかなりGUIの見栄えが改善され、
各OSにフィットしたものになっています。
そこで今回は
今回はこのtkinterの簡単な使い方について紹介したいと思います。
下記のサンプルコードはすべて書きのGitHubリポジトリ上でも公開しています。
続きを読む
先日、
ニューヨークに約一週間旅行してきたのですが、
ニューヨークについて事前に知っておくと
便利だと思ったことをメモしておきたいと思います。
続きを読む
以前、有名な最適化問題として
線形計画法や
二次計画法
ポートフォリオ最適化
ナップサック問題
などの説明と簡単なサンプルコードを紹介しましたが、
今回の記事では、Lasso正則化, Ridge正則化と呼ばれる
統計学や機械学習でよく使用される最適化問題の概要と、
このLasso正則化, Ridge正則化を解くサンプルコードについて紹介したいと思います。
続きを読む
Pythonに詳しい方が、
下記のPythonヒッチハイクガイドという
Webの資料を紹介していたので、
一通り目を通してみて
知らなかったことをメモようにまとめておきたいと思います。
英語版
日本語版
続きを読む
以前、凸最適化技術の基礎として、
線形計画法や、二次計画法の概要を説明し、
凸最適化の有名な応用例である
ナップザック問題を解くシミュレーションを紹介しました。
今回は同じく、凸最適化の応用例として有名な
ポートフォリオ最適化問題の概要と、
ポートフォリオフォリオ最適化問題を解く、
Juliaサンプルコードを紹介したいと思います。
続きを読む
以前、
MATLABのコードの高速化手法や
Pythonコードの高速化の手法を紹介しましたが、
今回は、下記の公式記事を元に、
Juliaのコードを高速化する方法をまとめたいと思います。
Juliaは普通に使用しても十分高速ですが、
下記のTipsを利用することで、
より高速化することができます。
Juliaという言語そのものに関しては、
下記の記事を参照ください。
続きを読む
下記のScipy Lecture Noteという、
オンライン上の数値演算・解析系のPythonチュートリアルが
素晴らしかったので、
読んで心に残ったことをメモしておきたいと思います。
続きを読む
ロボットの自律移動技術の中で、
重要なものの一つに、
経路追従(Path following)技術があります。
(その他の自律移動技術に関しては下記を参照ください
今回の記事では、
ロボットの経路計画問題における代表的な技術の概要と
サンプルコードの記事のリンクをまとめておきます。
続きを読む
これまで、様々な言語における
おすすめVim設定とVImプラグインを紹介してきましたが、
最近、Juliaという比較的新しい言語を勉強しているため、
JuliaのコードをVimで書くためのおすすめ設定と、
プラグインを紹介したいと思います。
自分のすべての言語に共通したVimの設定ファイルは
下記のリポジトリで公開しています。
続きを読む
