第９章　応用プログラミング

1. 9.1 数値計算
2. 9.2 最適化
3. 9.3 確率と統計
4. 9.4 待ち行列
5. 9.5 多変量解析
6. 9.6 ニューラルネットワーク
7. 9.7 その他

　　いくつかの課題に対する，C++，Java，JavaScript，PHP，Ruby，Python，C#，及び，VB によるプログラム例を以下に示します．ただし，「 ^* 」印の付けてる課題に対しては，JavaScript によるプログラムがありません．また，その他の中の「グラフの表示」は Java 及び JavaScript，「 ソートと探索」に対しては，C++，Java，JavaScript，PHP，Ruby，Python だけで記述しています．

1. ９．１ 数値計算
   1. ９．１．１ 連立線形方程式，逆行列（ガウス・ジョルダン）
   2. ９．１．２ 非線形方程式（二分法）
   3. ９．１．３ 非線形方程式（セカント法）
   4. ９．１．４ 非線形方程式（ニュートン法）
   5. ９．１．５ 代数方程式（ベアストウ法）
   6. ９．１．６ 行列の固有値（フレーム法＋ベアストウ法）
   7. ９．１．７ 実対称行列の固有値・固有ベクトル（ヤコビ法）
   8. ９．１．８ 最大固有値と固有ベクトル（べき乗法）
   9. ９．１．９ 数値積分（台形則）
   10. ９．１．10 数値積分（シンプソン則）
   11. ９．１．11 微分方程式（ルンゲ・クッタ）
   12. ９．１．12 補間法（ラグランジュ）
   13. ９．１．13 補間法（スプライン）
   14. ９．１．14 補間法（ベジエ曲線）
2. ９．２ 最適化
   1. ９．２．１ 最適化（線形計画法）
   2. ９．２．２ 最適化（黄金分割法）
   3. ９．２．３ 最適化（多項式近似法）
   4. ９．２．４ 最適化（最急降下法）
   5. ９．２．５ 最適化（共役勾配法）
   6. ９．２．６ 最適化（ Newton 法）
   7. ９．２．７ 最適化（準 Newton 法）
   8. ９．２．８ 最適化（シンプレックス法）
   9. ９．２．９ 最適化（動的計画法）
   10. ９．２．10 分割法（ TSP ）^*
   11. ９．２．11 逐次改善法（ TSP ）^*
   12. ９．２．12 遺伝的アルゴリズム（ TSP，関数の最大値）^*
3. ９．３ 確率と統計
   1. ９．３．１ ガンマ関数
   2. ９．３．２ 二項分布
   3. ９．３．３ ポアソン分布
   4. ９．３．４ 一様分布
   5. ９．３．５ 指数分布
   6. ９．３．６ 正規分布
   7. ９．３．７ χ² 分布
   8. ９．３．８ t 分布
   9. ９．３．９ F 分布
   10. ９．３．10 乱数の発生
4. ９．４ 待ち行列
   1. ９．４．１ 待ち行列（簡単な例）
   2. ９．４．２ 待ち行列（複雑な例）
5. ９．５ 多変量解析
   1. ９．５．１ 最小二乗法
   2. ９．５．２ 重回帰分析
   3. ９．５．３ 正準相関分析
   4. ９．５．４ 主成分分析
   5. ９．５．５ 因子分析
   6. ９．５．６ クラスター分析
   7. ９．５．７ 分散分析
6. ９．６ ニューラルネットワーク
   1. ９．６．１ Hopfield ネットワーク
   2. ９．６．２ パーセプトロン
   3. ９．６．３ Winner-Take-All
   4. ９．６．４ 競合学習
   5. ９．６．５ バックプロパゲーション
7. ９．７ その他
   1. ９．７．１ ボード線図
   2. ９．７．２ ファジイ推論
   3. ９．７．３ グラフの表示（ Java，JavaScript ）
   4. ９．７．４ ソートと探索（ C++，Java，JavaScript，PHP，Ruby，Python ）

情報学部

菅沼ホーム

目次

索引