NAG Library for Pythonで最適化問題を解く

1 イントロダクション

本ドキュメントは、NAG Library for Python を用いて、最適化問題を解きたい方々向けのチュートリアルドキュメントです。NAG Library for Python のインストール、ご利用方法、ドキュメント参照方法、などをステップを追って説明します。

• 1 イントロダクション
  • 1.1 NAG Library for Pythonで提供される最適化問題関連の関数
  • 1.2 NAG Library for Pythonの収束性について
• 2 インストール
  • 2.1 稼働環境
  • 2.2 ソフトウエア本体のインストール
  • 2.3 ライセンスキーのインストール
    • 2.3.1 トライアルライセンスキーの入手及びインストール
  • 2.4 インストールの確認
• 3 ステップ毎のチュートリアル
  • 3.1 Rosenbrock最適化問題を解く
• 4 Exampleを実行してみる
  • 4.1 線形計画法-LP（内点法）
  • 4.2 非線形最小二乗問題
  • 4.3 大規模非線形計画法（FOAS法-省メモリ）
  • 4.4 非線形最小二乗問題（導関数無し最適化-DFO）
  • 4.5 非線形計画法-NLP（導関数無し最適化-DFO）
  • 4.6 非線形計画法-NLP（疎、内点法）
  • 4.7 大規模線形計画法-LP（疎、内点法）
  • 4.8 非線形データフィッティング-NLDF
  • 4.9 半正定値計画問題-SDP（双線形制約）
  • 4.10 半正定値計画問題-SDP（線形制約）
  • 4.11 二次錐計画問題-SOCP（内点法）
  • 4.12 逐次二次計画法-SQP（疎）
  • 4.13 非線形最小二乗問題（逐次二次計画法-SQPを利用、密）
  • 4.14 非線形最小二乗問題（導関数なし）
  • 4.15 非線形計画-NLP（密、リバースコミュニケーション）
  • 4.16 非線形計画法-NLP（密）
  • 4.17 非線形計画法-NLP（疎）
  • 4.18 非線形計画法-NLP（密）
  • 4.19 非線形計画法-NLP（疎）
  • 4.20 凸二次計画問題-QP（疎）
  • 4.21 ネルダーミード法による制約なしの最適化
• 5 関連ドキュメント、およびお問い合わせ先
  • 5.1 関連ドキュメント
  • 5.2 お問い合わせ先