Pythonコンピュータシミュレーション入門: 人文・自然・社会科学の数理モデル

橋本洋志, 牧野浩二

株式会社 オーム社, Apr 12, 2021 - Computers - 320 pages

Python でさまざまな現象をシミュレーションしよう！

本書はコンピュータシミュレーションの基礎を、Pythonを用いたプログラミングによって実際に試しながら学習するものです。

うわさの拡散や伝染病の流行、人口予測といった自然科学モデル、リボ払いの計算や在庫管理といった経営・経済モデルといった具体的なものから、情報科学的な確率モデル、ベイズ統計、グラフ理論、GA（遺伝的アルゴリズム）といった各手法に基づいたモデル、エージェントベースモデル、強化学習による意思決定モデルまでを解説しています。

本書では、シミュレーションの各モデルの立て方やアイデアの説明に重点を置き、数値計算の厳密な詳細やモデルの数理よりはPythonによる実行を志向します。また、プログラムのほとんどは Jupyter Notebook形式で配布しているので、ご自身の手もとのPCで実行することができるようになっています。

このような方におすすめ

・コンピュータシミュレーションに興味をもつ情報・コンピュータ系の方

・Pythonを用いたコンピュータシミュレーションの手法を知りたい方

・Pythonを用いてコンピュータシミュレーションを学びたい方

主要目次

第1章 はじめに

第2章 数値計算と数学の基礎

第3章 アニメーション

第4章 確率モデル

第5章 自然科学モデル

第6章 経営モデル

第7章 ベイズ統計に基づくモデル

第8章 グラフ理論に基づくモデル

第9章 遺伝的アルゴリズムに基づくモデル

第10章 エージェントベースモデル

第11章 強化学習による意思決定モデル

Contents

• 第1章はじめに: 1
• 112 シミュレーションとは: 3
• モデルの性質とシステム: 4
• 12 PythonAnacondaパッケージ: 7
• 122 Anacondaの導入: 8
• 13 開発環境: 11
• 131 JupyterLabとNotebook: 12
• 132 クラウドコンピューティングColaboratory: 14
• 14 ちょっとした流儀: 15
• 142 文字コードとマジックコマンド: 18
• 15 クイックスタート: 19
• 152 Anacondaとパッケージのインストール: 21
• 154 エラーが生じたら: 22
• 第2章数値計算と数学の基礎: 23
• 22 有限桁のために生じる数値誤差: 24
• 222 機械イプシロン: 25
• 223 丸め情報落ち桁落ち: 26
• 23 いくつかの数値計算: 27
• 232 方程式: 28
• 233 補間: 31
• 234 常微分方程式: 33
• 24 確率の基礎: 37
• 242 離散確率と連続確率: 38
• 243 母集団パラメータ期待値分散平均: 40
• 244 確率分布: 42
• 25 疑似乱数とSciPyを用いた確率の計算: 45
• 252 正規乱数の生成: 46
• 253 scipystatsの使い方: 47
• 254 パーセント点と確率の各種計算例: 48
• 第3章アニメーション: 51
• 32 Matplotlibを用いたアニメーション: 52
• 321 ArtistAnimationマークのランダム位置描画: 53
• 322 FuncAnimation軸の固定と軸の移動: 54
• 323 地球儀の回転: 56
• 33 VPythonを用いたアニメーション: 57
• 332 ビリヤード球の衝突問題: 60
• 333 振り子の等時性は成り立つのか: 65
• 第4章確率モデル: 71
• 412 ランダムウォーク1次元3次元: 74
• 413 モンテカルロ法による円周率計算: 77
• 42 マルコフ連鎖: 80
• 422 定常分布と極限分布: 83
• 43 確率微分方程式: 85
• 432 確率微分方程式の数値計算: 86
• 433 シミュレーション例: 87
• 44 カルマンフィルタ: 89
• 442 アルゴリズム: 90
• 443 定常カルマンフィルタ: 91
• 45 時系列モデル: 94
• 452 パラメータ推定のシミュレーション例: 96
• 453 ARIMAモデル: 100
• 454 1次式トレンドのあるデータに対する予測: 101
• 455 SARIMAXモデル: 104
• 456 航空会社の乗客数の予測: 105
• 第5章自然科学モデル: 109
• 512 パラメータ推定: 110
• 52 感染症の流行: 112
• 522 シミュレーション例: 113
• 53 捕食種被食種の関係: 115
• 532 シミュレーション例: 116
• 533 考察: 117
• 54 フラクタル: 119
• 542 バーンスレイのシダ: 122
• 55 カオス: 124
• 552 ローレンツアトラクタ: 125
• 553 ロジスティック方程式のカオス: 128
• 56 音と周波数: 132
• 562 PyAudioを用いた音の作り方と鳴らし方: 133
• 第6章経営モデル: 137
• 612 損益分岐点: 138
• 62 線形計画法: 142
• 622 PuLPの使い方: 143
• 623 シミュレーション例: 145
• 63 在庫管理: 147
• 632 経済的発注量: 148
• 633 発注点法: 150
• 634 定期発注法: 151
• 635 シミュレーション例: 152
• 64 待ち行列: 155
• 643 ポアソン到着過程と到着時間分布: 157
• 644 指数サービス時間: 160
• 645 評価指標: 161
• 646 SimPy離散事象シミュレーション: 162
• 647 MM1モデルのシミュレーション: 164
• 第7章ベイズ統計に基づくモデル: 169
• 712 病気の感染検査: 170
• 713 犯人を捜せ: 172
• 72 確率分布への適用: 174
• 722 二項分布の例: 175
• 73 確率的プログラミングPyMC3: 179
• 731 PyMC3Theanoグラフィックパッケージの概要: 180
• 732 MCMCの概要: 181
• 733 確率モデルSummaryグラフ化: 185
• 734 正規分布モデル: 190
• 735 単回帰モデル: 194
• 736 到着数の変化検出: 201
• 第8章グラフ理論に基づくモデル: 207
• 812 グラフ理論の基礎: 208
• 813 用意されているグラフ: 213
• 82 噂の拡散のシミュレーションスケールフリーネットワーク: 214
• 821 スケールフリーネットワークとは: 215
• 822 ネットワークの構築: 216
• 823 べき乗則: 217
• 83 人間関係のネットワークスモールワールド: 220
• 832 ネットワークの構築: 222
• 833 ネットワークのスモールワールド性: 223
• 834 噂の伝搬シミュレーション: 224
• 84 文章の相関の可視化共起ネットワーク: 225
• 841 共起ネットワークとは: 226
• 843 単語の結びつき: 227
• 844 共起ネットワークの作成: 230
• 第9章遺伝的アルゴリズムに基づくモデル: 233
• 912 遺伝的アルゴリズムの基礎: 234
• 92 組合せに関係した問題ナップザック問題: 237
• 922 問題設定: 238
• 923 手順: 239
• 925 別の解法: 242
• 93 順序に関係した問題巡回セールスマン問題: 243
• 932 巡回セールスマン問題: 244
• 934 実装方法: 245
• 94 順序と組合せに関係した問題トラック配車計画の最適化: 247
• 942 問題設定: 248
• 944 実装方法: 249
• 95 実数値を用いた問題数値最適化: 250
• 953 手順: 251
• 第10章エージェントベースモデル: 253
• 1012 エージェントベースモデルの基礎: 254
• 1022 ルール: 255
• 1023 ライフゲームの定番生物: 256
• 1024 シミュレーション: 259
• 鳥や魚の群れBoids: 261
• 1032 ルール: 262
• 1033 シミュレーション: 264
• 囚人のジレンマ: 267
• 1042 ルール: 269
• 1043 囚人のジレンマの定番戦略: 270
• 1対1の対戦: 271
• 1046 戦略の追加方法: 274
• 第11章強化学習による意思決定モデル: 277
• 1112 一般式: 278
• 1113 Qラーニング: 279
• 1121 1人の意思決定の手順: 280
• 1123 考え方: 281
• 1124 実現方法: 282
• 1125 実行結果: 284
• 113 2人の意思決定: 285
• 1131 二つのエージェントの意思決定の手順: 286
• 石取りゲーム: 287
• 1134 実行結果: 289
• 1135 人間との対戦方法: 291
• 相手の行動: 292
• 114 深層強化学習の概要: 294
• 1142 深層強化学習: 295
• 索引: 297
• 奥付: 305

About the author

橋本洋志（はしもと　ひろし）

1988年　早稲田大学大学院理工学研究科博士課程単位取得退学

現　在　東京都立産業技術大学院大学産業技術研究科・教授、工学博士（早稲田大学）

【おもな著書】

・『データサイエンス教本』（共著，オーム社，2018）

・『Python データエンジニアリング入門』（共著，オーム社，2020）

・『電気回路教本（第2 版）』（オーム社，2019）

・『 図解コンピュータ概論［ソフトウェア・通信ネットワーク］改訂4版』（共著，オーム社，2017）

・『 図解コンピュータ概論［ハードウェア］改訂4版』（共著，オーム社，2017）ほか著書多数

牧野浩二（まきの　こうじ）

2008年　東京工業大学大学院理工学研究科修了

現　在　山梨大学大学院大学院総合研究部工学域・准教授、博士（工学）（東京工業大学）

【おもな著書】

・『 TensorFlow による深層強化学習入門―OpenAI Gym+PyBullet によるシミュレーション―』（共著，オーム社，2021）

・『データサイエンス教本』（共著，オーム社，2018）

・『 Pythonによる深層強化学習入門 Chainer とOpenAI Gym ではじめる強化学習』（共著，オーム社，2018）

・『Python データエンジニアリング入門』（共著，オーム社，2020）

・『 たのしくできるArduino 電子工作』（共著，東京電機大学出版局，2012）ほか著書多数

Bibliographic information

• Title: Pythonコンピュータシミュレーション入門: 人文・自然・社会科学の数理モデル
• Authors: 橋本洋志, 牧野浩二
• Publisher: 株式会社 オーム社, 2021
• ISBN: 4274226980, 9784274226984
• Length: 320 pages
• Subjects: Computers / General