Syllabus data

Teacher name ： 玉置 卓
Course Title
Advanced Lecture for Algorithms
Course Title in English
Advanced Lecture for Algorithms
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
Fall semester 2026
Instructor
玉置 卓,照山 順一,宮崎 修一
Affiliation
情報科学研究科
Language of Instruction
Japanese
Related SDGs
9
Office Hours and Location
講義後に教室、もしくはメール等で予約をしたうえで教員室にて。
Contact
shuichi@gsis.u-hyogo.ac.jp
tamak@gsis.u-hyogo.ac.jp
junichi.teruyama@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
講義目的
1. アルゴリズムの基本的な設計技法 (分割統治法、局所探索法、貪欲法、動的計画法など) を習得する。
2. NP完全性のような計算困難性を示すための技法を習得する。
3. 計算困難問題に対するアルゴリズムの設計技法 (近似アルゴリズム、オンラインアルゴリズム、乱択アルゴリズム、固定パラメータ容易性など) を習得する。

到達目標
「講義目的」で述べた3つの内容を理解したうえで、それを他人に説明できるようになる。また、それを応用して自分でアルゴリズムを設計できるようになる。
Subtitle and Keywords of the Class
Course Overview and Schedule
講義内容
アルゴリズムの基本的な設計技法、計算困難性を示すための技法、計算困難問題に対するアルゴリズムの設計技法について解説する。

授業計画
1. アルゴリズムの基礎
2. グラフの基礎
3. 基本的なアルゴリズム: 動的計画法
4. 基本的なアルゴリズム: 分割統治法
5. 基本的なアルゴリズム: 局所探索法
6. 基本的なアルゴリズム: 貪欲法
7. 問題の複雑さ
8. 近似アルゴリズム
9. オンラインアルゴリズム
10. ここまでの理解度の確認
11. 省領域アルゴリズム
12. 乱択アルゴリズム
13. 固定パラメータ容易性
14. 量子計算の基礎
15. 量子アルゴリズム
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
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
教科書は指定せず、講義資料を配布する。
References

宮崎 修一『アルゴリズム理論の基礎』森北出版 , 2019.

その他、授業中に随時紹介する。
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
事前学習
配布された資料に目を通し、理解できない場所を明確にしておく。講義中に出された問題を解いておく。目安は毎回2時間程度。

事後学習
配布資料やノートを見直しながら、授業内容が理解できているかを確認する。また、理解できていない部分の理解に努める。目安は毎回2時間程度。
Contents of Active Learning
講義内で随時出題される問題を解き発表するとともに、それに疑問を持った学生や教員からの質問への対応することで、コミュニケーション能力を養う。
Grading Criteria and Methods
基準
講義目的で述べた内容を理解し、それを応用できる者については、講義目的・到達目標に記載する能力の到達度に基づき、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。

方法
中間試験と期末レポートによる。それぞれを60点満点とし
min｛100, 中間試験の素点+期末レポートの素点｝
を成績とする。それに加え、受講態度（積極的な発言等）を含めて総合的に評価する。
How to Disclose Assignments and Exam Results
講義の中で出題した問題はその日、あるいは翌週に解答を示す。
中間試験や期末試験の内容に質問があるものは、教員室などで随時質問を受け付ける。
Precautions and Requirements for Course Registration
Practical Education
該当しない
Remarks
講義の進度により内容を変更することがある
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.