おっ、ついに「note」スマホ版アプリが出るらしい：
https://note.mu/sadaaki/n/n647b1be82826
noteなら、ウェブ版と同じくきっと見やすい表示のはず。将来スマホから読んでもらえるように、夏の間にコンテンツを少し充実させておこうかな〜。

Pythonによる最適化　第2回

オクトーバースカイ社にメルマガを依頼されたのでその草稿．第1回はクライアントの了承待ちです．

前回はPythonのモジュールPandasを紹介した．Pandasはデータ解析ライブラリであり，Excelで処理できない大規模データも扱うことができる．筆者よく使う他のライブラリ（モジュール）には以下のものがある．

1. matplotlib http://matplotlib.org/
グラフ

Pythonによる最適化　第1回

筆者は，最適化に関連した実際の問題の解決を依頼されることがままある．ここでは，なるべく短時間に実装し，問題解決をするためのテクニックについて，例を通して解説する．使うのは，Python言語とPythonのデータ解析・可視化モジュール群と最適化ソルバーである．

例として学生を寮の部屋に割り振る問題を考える，この問題は学生と部屋のマッチング問題であるが，同じ部屋に割り当てられた学生同士の相性を考慮す

Pythonによる最適化　第3回

前回はPythonのモジュールnetworkXを紹介した．今回は，科学技術計算用モジュールSciPyを用いた問題解決について解説する．例とするのは，確率的在庫モデル（新聞売り子モデル）と呼ばれる古典的な問題である．問題は以下のように記述できる．

新聞の売り子が，1種類の新聞を販売している．新聞が売れる量（需要量）は，経験からある程度推測できると仮定し，確率変数として与えられているものとする．いま

Pythonによる最適化　第4回

前回に引き続き，仮想の大規模プロジェクトにおける実装について述べる．

データを読み込んで解析したら，モデルに内在するデータの固まりをクラスとして実装しておくと後々便利だ．特に，後でプログラムを見直すときに，クラスができていると記憶を呼び起こすのが比較的楽だ．たとえば，顧客を表すクラスは，以下のように書ける．

class Customer():
def __init__(self,nam