Syllabus data

Teacher name ： 東川 雄哉
Course Title
Operations Research
Course Title in English
Operations Research
Course Type
Major Courses

ー
Eligible Students
School of Economics and Management／School of Social Information Science
Target Grade
2Year
Course Numbering Code
KC9992MCA1
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
Fall semester 2026
Instructor
東川 雄哉
Affiliation
社会情報科学部
Language of Instruction
Japanese
Related SDGs
N/a
Office Hours and Location
講義の前後45分、もしくは、メールでアポを取った上で教員室にて。
Contact
higashikawa@sis.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
3◎／2〇
Corresponding Graduate School DP
ー
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー

Course Objectives and Learning Outcome
【講義目的】
本講義では、最適化やアルゴリズムに関する基礎的な理解を深めるとともに、様々な現実の問題を最適化問題として定式化する能力、さらに適切なアルゴリズムを設計する能力を身に付けることを目的とする。

【到達目標】
本講義の終了時には、以下に掲げる目標の達成を目指す。
・様々な現実の問題に対して数理モデル化を行うことが出来る。
・数理モデルを通して、現実の問題における合理的な解を得ることが出来る。
・社会におけるオペレーションズ・リサーチの有用性を説明出来る。
Subtitle and Keywords of the Class
Course Overview and Schedule
【講義内容】
本講義では、社会的事象を表現出来る基本的な数理モデル、及び各モデルを対象とするいくつかの代表的手法について学習する。また、本講義では、幾つかの具体的な現実の問題を扱い、それらに対する数理的思考に基づく解の導出を体験することで、社会におけるオペレーションズ・リサーチの有用性を理解する。最終講義後、到達度確認のための試験を実施する。

【授業計画】
  1. 意思決定の科学
  2. 線形最適化 (１)：定式化の方法
  3. 線形最適化 (２)：標準形への変形、２変数の線形計画問題、基底解と総当たり法
  4. 線形最適化 (３)：単体法
  5. 線形最適化 (４)：双対問題の考え方、弱双対定理
  6. 線形最適化 (５)：強双対定理、相補性定理
  7. アルゴリズムとその計算量
  8. ネットワーク最適化 (１)：グラフの基礎
  9. ネットワーク最適化 (２)：最短路問題
  10. ネットワーク最適化 (３)：最小全域木問題とその応用
  11. ネットワーク最適化 (４)：ネットワークフロー問題とその応用
  12. ネットワーク最適化 (５)：最大フロー問題の理論と解法
  13. 整数最適化 (１)：組合せ最適化問題の定式化
  14. 整数最適化 (２)：線形緩和とその分枝限定法への応用
  15. 動的計画法

※ 以上の計画は、授業の進度によって変更や前後する可能性がある。
In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
・対面授業のみ
・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
この授業においては生成 AI の利用を予定していないが、学生が利用する場合には『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。
Textbook
テキストは使用しない。事前に講義スライドを配布する。
References
・森雅夫、松井知己 著：『オペレーションズ・リサーチ』 朝倉書店（2004）
・松井泰子、根本俊男、宇野毅明 著：『入門オペレーションズ・リサーチ』 東海大学出版会（2008）
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

【事前学習】

配布されたスライドを事前に読み、理解できない部分を把握しておく（1回あたり1時間程度）。


【事後学習】

講義内容をスライドやノートで復習し、不明点を教員に質問する（1回あたり3時間程度）。

Contents of Active Learning
理解度を確認するために、講義中に適宜問題を出す。問題を解く際に学生同士で相談することを推奨し、それにより教える力や教わる力を養う。また、学生はその解答を発表し、教員や他の学生はそれに対して質問やコメントをすることにより、コミュニケーション能力を養う。
Grading Criteria and Methods
【成績評価の基準】
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】
出席を前提に、レポート・小テストなどの平常点30%、期末試験70%の合計で評価する。
How to Disclose Assignments and Exam Results
講義内で出した問題は、原則としてその講義中か翌週の講義中に解答や解説を与える。試験問題に対する質問には、アポイントを取った上で教員室等で対応する。
Precautions and Requirements for Course Registration
・本科目は、線形代数の基礎的知識（行列の定義、行列の演算、逆行列など）を前提とする。
・毎回の講義は、前回までの内容を完全に理解している前提で行われるので、オフィスアワーを活用するなど、各自十分な復習をした上で講義に臨むこと。
Practical Education
該当しない。
Remarks
特になし。
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.