1,000以上の科学技術・統計計算の関数を提供し、特に数理最適化の関数は、非常に優れた収束性能を有しています。2023年3月迄のキャンペーンを実施中です。

ご提供機能

NAG Library for Pythonは、下に示す通り、科学技術計算や、統計計算で必要とされる、幅広い分野の関数を提供しています。ユーザはPythonの環境から、簡単にそれらの関数にアクセスできます。
Pythonには、フリーで利用可能な、NumpyやScipyなどの優れた計算ライブラリが存在しますが、NAG Library for Pythonには、それらには含まれないアルゴリズムが含まれています。特に数理最適化分野のアルゴリズムには、非常に優れたものが含まれており、多くのユーザに支持されています。

数理最適化関数 ： ノイズが大きくても収束する例

下図は、NAG Library for Pythonに含まれている、モデルを基にするデリバティブフリー最適化関数（DFO）と、従来の手法である有限差分の関数について、収束までにかかる関数の評価回数を比較します。今回比較の対象とした関数は、最適化ベンチマークなどでも良く用いられる、Rosenbrock関数、Genhumps関数、Arwhead関数、及びDqdrtic関数の４つとしました。現実の問題ではしばしば関数評価が誤差等により不正確になることを考慮し、数段階の大きさのノイズを意図的に加えて、収束性能の比較を行いました。

有限差分を用いる方法は、比較的小さなノイズにも非常に敏感で、収束しないことが多い一方で、モデルを基にするDFOアルゴリズムはノイズが大きい場合にも堅固で収束性が良いことが示されました。

ご利用は簡単です

NAG Library for Pythonのbounds_quasi_func_easy関数を利用して、一般化Rosenbrock関数（下）の最小化を行う手順を示します。ここではN=4の場合についての手順を示しますが、その場合、点[1,1,1,1]で最小値0に到達することが知られています。

NAG Library for Pythonを特価でご提供するキャンペーンを現在実施中です。