目次
- 目次
- はじめに
- メモ
- 参考資料
- MyEnigma Supporters
はじめに
凸最適化によるヒューマノイドロボット制御論文調査メモです。
続きを読む打ち上げロケットの非線形モデル予測制御問題をJuliaで解いてみた
目次
- 目次
- はじめに
- シンプルなロケット打ち上げモデル
- Juliaによるサンプルコード
- 参考資料
- MyEnigma Supporters
はじめに
この記事は制御工学 Advent Calendar 2017 23日目の記事です。
以前の記事で、SpaceXの自動着陸ロケットは、
線形MPCを使っているようだという記事を書きましたが、
今回は、下記の資料を元に、
非常にシンプルなロケットの打ち上げ制御シミュレーションを
Juliaを使って書いてみようと思います。
続きを読む
Model Predictive Control:MPC (モデル予測制御)の技術分類
目次
- 目次
- はじめに
- Linear Time Invariant MPC: LTI-MPC
- Linear Time Varying MPC: LTV-MPC
- Nonlinear MPC
- Explicit MPC
- Hybrid MPC
- Distributed/Decentralized MPC
- Robust MPC
- Stochastic MPC
- 参考資料
- MyEnigma Supporters
はじめに
この記事は制御工学 Advent Calendar 2017 20日目の記事です。
以前、
Model Predictive Control:MPC(モデル予測制御)の概要と、
その応用例を説明しましたが、
今回は、MPCの細かい技術的分類について説明したいと思います。
続きを読む
Juliaの構造体とPythonのif __name__ == '__main__':を模擬するTips
目次
- 目次
- はじめに
- Pythonのif name == 'main': をJuliaで実現する
- Juliaにおける構造体
- 参考資料
- MyEnigma Supporters
はじめに
この記事はJulia Advent Calendar 2017の20日目の記事です．
以前、プログラミング言語のJuliaを紹介しましたが、
最近気がついたJuliaのTipsをまとめてみました。
続きを読む
〇〇大 数学科の問題をJuliaの最適化ツールで解いてみた
目次
- 目次
- はじめに
- 割り当て問題
- 集合場所問題
- カックロ
- 参考資料
- MyEnigma Supporters
はじめに
この記事はJulia Advent Calendar 2017の18日目の記事です．
今回は下記の記事と同じことをJuliaでやってみました。
上記の記事はすべてPythonで書かれていますが、
今回はプログラミング言語としてJuliaを、
最適化ライブラリとしては、JuMPを使いました。
各問題の詳細については、前述の元の記事を参照ください。
続きを読む
サポートベクターマシン(Support Vector Machine:SVM)を最適化ライブラリを使って実装してみた。
目次
- 目次
- はじめに
- 線形サポートベクターマシン(Support Vector Machine:SVM)
- JuliaとJuMPを使った線形SVMの実装
- 非線形SVM
- JuliaとJuMPを使った非線形SVMの実装
- 参考資料
- MyEnigma Supporters
はじめに
今回は以前紹介した
凸最適化技術の応用例の中で、
最も有名なものの一つである
サポートベクターマシン(Support Vector Machine:SVM)の技術の概要と、
シンプルなSVMを実際に最適化ライブラリを使って
実装したコードを紹介したいと思います。
続きを読む
Mixed Integer Programming(混合整数計画法)による障害物回避モデル予測制御とJulia, Pythonによるサンプルプログラム
目次
- 目次
- はじめに
- Mixed Integer Programming(整数計画法)によるモデル予測制御技術
- Juliaによるシンプルなサンプルプログラム
- Pythonサンプルコード
- 参考資料
- MyEnigma Supporters
はじめに
これまで
様々な最適化の手法や、
それを利用した制御手法である
モデル予測制御の概要を説明してきましたが、
今回は、下記の論文を元にして、
Mixed Integer Programming(整数計画法)によるモデル予測制御技術の概要の説明と、
Juliaによるシンプルなシミュレーションを紹介したいと思います。
混合整数計画法に関しては、下記を参照ください。
続きを読む
Jupyter notebook (iPython Notebook)を使う時に気をつけるべき10個のこと
目次
- 目次
- はじめに
- 1. 環境の独立性を保つために各プロジェクト毎にvirtualenvを使う
- 2. Python3を使う
- 3. requirements.txtを保存しておく
- 4. すべてのimport文とパスの設定は初めのセルに入れる
- 5. はじめはコードは汚くても良い
- 6. グローバル名前空間を汚さないために、セルの中の処理は関数とする
- 7. 長い計算時間の結果をキャッシュするためにJoblibを使う
- 8. セルの独立性をできるだけ保つ
- 9. 変数名は短くても良い
- 10. ユーティリティ関数にはアサーションを使ってテストを書く
- 参考資料
- MyEnigma Supporters
はじめに
自分もJupyter notebookは
簡単な試行錯誤をメモとして残すために便利に使っていますが、
規模が大きくなったり、
他の人とノートブックを共有したりする時に、
どのように構造化すべきかと悩むことが多いです。
そんな時、下記にような記事を見つけたので、
作者に翻訳の許可をもらったので、
要約をメモしておきたいと思います。
Sure! I would love to see it in Japanese! Please, send me a link when you do it.
— Roman Kierzkowski (@r_kierzkowski) 2017年10月22日
続きを読む
Pythonを使ってシンプルな電力供給最適化問題を解いてみる
目次
- 目次
- はじめに
- シンプルな電力供給最適化問題
- cvxpyによる電力供給最適化問題解法サンプルコード
- scipyによる電力供給最適化問題解法サンプルコード
- 参考資料
- MyEnigma Supporters
はじめに
これまで、
様々な代表的な最適化問題を解いてきましたが、
今回は、
最小コストネットワークフロー問題という問題を解くことで、
シンプルな電力供給最適化問題を解いてみたいと思います。
続きを読む
Juliaのコードをコンパイルして高速実行する方法
目次
- 目次
- 注意 (2020年8月追記)
- はじめに
- Juliaにおけるコンパイル
- Juliaのコードをコンパイルするスクリプトjuliac
- JuMPの最適化コードをjuliacでコンパイルして高速化してみる
- juliacを使う時の注意点
- 現在の所、コンパイルするjuliaのコードはhello.jlという名前でないとCコードを変更する必要がある
- PyCallが含まれたコードはコンパイルできない
- JuMPのコードをコンパイルする時は、配列のインデックスの始まりは1にする
- JuMPの非線形最適化のマクロがあるとコンパイルできない
- 参考資料
- MyEnigma Supporters
注意 (2020年8月追記)
この記事は非常に古く、Julia 1.0以降では利用できません。。。
現時点で単一バイナリを作る方法はなくなってしましましたが、
Juliaのランタイムも含めて一つのディレクトリにまとめるのは、
PackageCompiler.jlで実現可能です。
はじめに
最近、Juliaというプログラミング言語にハマっているのですが、
Juliaを使って、
高計算パフォーマンスなシステムを構築したい時に
やはりコンパイルできたらいいなと思ってしまいます。
Juliaは動的な言語なので、
実行時にJITコンパイラを使ってコンパイルをしながら
コードを実行するのですが
すでにコードがfixされたコードであっても、
実行するたびにコンパイルする必要があるため、
その分、実行が遅くなりがちです。
しかし最近、下記の記事や、
下記のリポジトリのライブラリなどのように、
Juliaをコンパイルする取り組みが始まっているので、
今回はJuliaをコンパイルし、実行する手法を紹介したいと思います。
続きを読む
