最適化楽屋話#15 数理科学手法の分類

Numerical Optimizer 開発責任者の田辺隆人でございます。

昨今、「デジタルトランスフォーメーション」という旗印の下、数理科学が企業活動の中に取り入れられつつあるのを感じます。伴って弊社が取り扱っている数理科学の手法の品揃えの説明を要求されることも多くなりました。次が私なりの観点からの分類です。

最初の分岐は、数理モデルを計算機に作らせることに主眼があるのか否か、に対応しています。データマイニングや機械学習は従来人手でのモデル化が難しかったマーケティング、与信、画像判別、文章分類などの分野において、潤沢なデータを背景に数理モデルを計算機に作らせ、そのモデルそのものからインサイトを得たり、モデルの判別結果を利用したりする手法です。

一方で、数理科学とシミュレーションでは、モデル作りをするのはあくまで人。

沢山のデータがなくても「ルール」とそれをモデル化するノウハウがあれば、実装できるのが売りですが、「データさえ入れれば何か知見が出せる！」というわけには簡単にゆかないのが、しきいが高いと感じられる部分でもあります。そんなわけで、我々数理最適化サイドは「割当」とか「重ね合わせ」とか、「汎用定型的モデル」をうまく使ってデータから結果を出す努力を続けています。

では、最適化とシミュレーションを分ける分岐って何よ？

というのがなかなか説明しづらいところ。一言で言うと、数理モデルから結果を導くやり方の違いで、私は「順方向/逆方向」とか言ったりしますが実感を伴ったキャッチーな説明はなかなか面倒。また、両方を一つの会社でやっているところは意外とないので、実例に即した説明もなかなかできにくい。そこで最適化とシミュレーションの違いとそれぞれの特徴、使い分けといった話などさせていただく場として「最適化＆シミュレーションセミナー」を企画しました（ただ、2020/2/27の回はコロナウイルス感染拡大を防ぐために残念ですが中止とさせていただきました。開催予定は追ってまたお知らせいたします）。