学部後期課程
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2026年10月16日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2026年10月16日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
数理計画と最適化２
不確実な環境下で目標を達成するエージェントの行動・意思決定を，最適化問題として定式化し解く方法論を習得する．
具体的には，【前半】系列最適化（探索・強化学習・プランニング）と【後半】確率モデルに基づく最適化（ベイズ推定・ガウス過程・ベイズ最適化）という二つの柱を通じて，数理計画と最適化の現代的な展開を学ぶ．
具体的には，【前半】系列最適化（探索・強化学習・プランニング）と【後半】確率モデルに基づく最適化（ベイズ推定・ガウス過程・ベイズ最適化）という二つの柱を通じて，数理計画と最適化の現代的な展開を学ぶ．
時間割／共通科目コード
コース名
教員
学期
時限
FEN-SI3712L1
FEN-SI3712L1
数理計画と最適化２
太田 順
木曜1限、木曜2限
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
可
開講所属
工学部
授業計画
【前半】講義時間中に簡単な演習と最後に提出する課題を出す予定です.それに対応できる計算機環境を準備して来てください.
1．状態空間の探索と最適化
1.1 状態空間探索の基礎（深さ優先・幅優先・最良優先）
1.2 ヒューリスティック探索と評価関数（A*，ゲーム木探索・MCTS）
1.3 探索のまとめ：系列最適化の第一歩
2．実時間探索と強化学習
2.1 実時間探索（RTA*・LRTA*）：経験によるヒューリスティックの更新
2.2 強化学習：価値ベースと方策ベース
2.3 まとめ：系列最適化としての強化学習
3．論理表現とプランニング
3.1 一階述語論理とSTRIPS：記号による世界と行動の表現
3.2 プランニングアルゴリズム
3.3 まとめ：記号を用いた系列最適化
【後半】講義時間中に簡単な演習と最後に提出する課題を出す予定です.それに対応できる計算機環境を準備して来てください.
1. ベイズ推定と回帰モデル
1.1. 事前分布・尤度・事後分布
1.2. 線形回帰と観測ノイズ
1.3. 点予測から予測分布へ
2. ガウス過程回帰
2.1. 関数上の確率分布とカーネル
2.2. 観測による事後予測
2.3. 予測平均と不確実性
3. ベイズ最適化
3.1. サロゲートモデルと逐次最適化
3.2. 獲得関数と探索・活用バランス
3.3. Human-in-the-Loopベイズ最適化
授業の方法
講義中心とする
成績評価方法
【全体】前半の成績と後半の成績を加算して成績を付けます．
【前半】 出席点，各回の講義内演習と課題点，および前半まとめレポート点を基に採点します．試験は行いません．講義資料はUTOL上に準備します．
【後半】出席点，各回の講義内演習と課題点，および後半まとめレポート点を基に採点します．試験は行いません．講義資料はUTOL上に準備します．
履修上の注意
特に予習の必要はなし．
授業終了後一定時間復習することが望ましい．
