Syllabus data

Teacher name ： 円谷 友英
Course Title
Advanced Lecture for Operations Research
Course Title in English
Advanced Lecture for Operations Research
Course Type
-
コース応用科目　データ科学コース
Eligible Students
Graduate School of Information Science
Target Grade
1Year
Course Numbering Code
KIIMD5MCA1
Credits
2.00Credits
The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.
Type of Class
講義 (Lecture)
Eligible Year/Semester
Spring semester 2026
Instructor
円谷 友英,東川 雄哉
Affiliation
情報科学研究科
Language of Instruction
Japanese
Related SDGs
9
Office Hours and Location
授業後・研究室
Contact
円谷友英　entani@gsis.u-hyogo.ac.jp
東川雄哉　higashikawa@gsis.u-hyogo.ac.jp

Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
ー
Corresponding Graduate School DP
2◎／1〇
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー

Course Objectives and Learning Outcome
講義の目的
ORにおける代表的な数理モデルを活用した現実の問題解決の一連の流れを理解することを目的とする。

到達目標
(1)線形計画モデルや組合せ最適化モデルなど各数理モデルに対する最適化手法について、アルゴリズムの計算量や解の精度保証など、理論計算機科学的な側面を説明できる。
(2)社会の組織や個人が関わるいくつかの特定の問題に焦点を絞り、その背景を踏まえた数理モデルの定式化とその最適化が実践と考察ができる。
Subtitle and Keywords of the Class
問題の定式化、プレゼンテーション
Course Overview and Schedule
オペレーションズ・リサーチ（Operations Research、OR）は、様々な現実の問題に対して合理的な意思決定を行うための数理的手法を扱う学問である。社会が複雑化し不確実性が増すにつれ、科学的な問題解決の必要性は高まっている。

前半ではORにおける代表的な数理モデルや最適化手法などに関して、主に理論的側面について学び、後半では ORの視点から社会や実生活にある問題を3種類に大別してとらえて、手法を多面的に理解する。さらに、本講義で得た知識に基づき、問題の設定から解決に至るまでを各自で行い、最終回においてその成果を発表する。中間報告会は学生相互支援の場とし、各自のテーマや構想を全体で共有して、そのブラッシュアップを行う。

１．ガイダンス、線形計画（１）：標準形、基底解総当たり法
２．線形計画（２）：単体法
３．線形計画（３）：双対理論
４．ネットワーク計画（１）：最短路、最小全域木
５．ネットワーク計画（２）：最大流、最小費用流
６．組合せ最適化（１）：線形緩和による分枝限定法
７．組合せ最適化（２）：動的計画法
８．個人課題の中間報告
９．意思決定（１）：包絡分析法DEA
１０．意思決定（２）：階層化意思決定法AHP
１１．日程計画（１）：ジョブショップスケジューリング、ガントチャート
１２．日程計画（２）：工程管理、PERT
１３．不確定・不確実性（１）：ファジィ理論
１４．不確定・不確実性（２）：ゲーム理論
１５．個人課題の最終報告
１６．定期試験


In-person/Remote Classification
Remote (Receiving Campus)
Implementation Method and Remote Credit Limit Application
・当授業は、神戸商科キャンパスから同時配信により神戸情報科学キャンパスにも配信します。そのため、『対面・遠隔の別』欄では「遠隔」となっていますが、神戸商科キャンパスで受講する院生は「対面」授業となります
・遠隔授業単位上限の適用を受けない
Uses of Generative AI
Limited permission for use
Precautions for using Generative AI
生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて(学生向け)』の記載内容について留意すること。
生成AIの利用については担当教員の指示に従うこと。
教員が認める範囲を超えて生成AIを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成AIによる出力結果をそのまま課題・レポート・論文として提出してはならない
Textbook
ユニバーサルパスポートで授業資料を配布します
References
オペレーションズ・リサーチ (経営システム工学ライブラリー)（朝倉書店）
入門オペレーションズ・リサーチ（東海大学出版会）
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
事前学習
講義資料を読んで内容を把握するとともに、理解できない所を明確にしておく。 1回の目安は2時間程度。

事後学習
講義時間内に終わらなかった課題がある場合は、引き続きそれを⾏う。また、個人課題の中間報告と最終報告に向けて、情報収集や分析を行い、発表資料を準備する。1回の目安は2時間程度。
Contents of Active Learning
個人課題の中間報告と最終報告を1人15分程度で行う。質疑応答の時間を十分に確保して、学生同士の質問や議論を推奨して、建設的な議論を行う力やコミュニケーション能力を養う。
Grading Criteria and Methods
績評価の基準
ORにおける代表的な数理モデル理解し、現実問題に対して活用できる者に単位を授与する。
講義目的・到達目標に記載する能⼒（知識・技能、思 考⼒、判断⼒、表現⼒等）の到達度に基づき、S（90点以上）、Ａ（80 点以上）、B（70 点以上）、C（60 点以上）による成績評 価のうえ、単位を付与する。

成績評価の⽅法
個人課題の成果物と中間報告と最終報告（50％）と定期試験（50％）を基準として評価する。
How to Disclose Assignments and Exam Results
個人課題の中間報告と最終報告については、質疑応答の時間を利用して、個別にフィードバックを行う。
期末試験については、ユニバーサルパスポートに、評価のポイントと教員コメントを掲載する。
Precautions and Requirements for Course Registration
Practical Education
該当しない
Remarks
In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.