1 基本概念
不等式制約とは、最適化問題において、変数や解に「ある値以下」「ある値以上」といった条件を課す仕組みである。目的関数を直接最大化・最小化するだけではなく、現実的に許される範囲を明示するために用いられる。設計条件、容量制限、安全余裕などを数理的に表せる点が特徴である。
1.1 定義
不等式制約は、一般に \(g(x) \le 0\) や \(g(x) \ge 0\) の形で書かれる。ここで \(x\) は未知変数、\(g\) は制約を表す関数である。複数の制約が同時に与えられることも多く、そのすべてを満たす解だけが許容される。
1.2 等式制約との違い
等式制約は条件をちょうど満たすことを求めるのに対し、不等式制約は許容範囲を与える。前者は解を一点や低次元の集合に絞り込みやすく、後者は幅を持つ領域を残す。実際の応用では、両者が組み合わされることが多い。
1.3 代表的な表記
不等式制約の表記にはいくつかの基本形がある。記法の違いは見かけ上のものだが、問題設定や計算手法との相性に影響することがある。数理計画では、式の向きをそろえて扱う場合も多い。
1.3.1 小なり
「<」は厳密な不等号であり、境界点を含まない条件を表す。ただし、最適化では扱いにくいため、実務上は「≤」に置き換えて記述されることが多い。理論的な説明では、開集合的な制約の例として登場する。
1.3.2 以下
「≤」は、上限を含む条件を表す代表的な記号である。資源量、容量、温度、誤差などの上限管理に適している。最適化モデルでは最も頻繁に使われる表記の一つである。
1.3.3 以上
「≥」は、下限を含む条件を示す。一定水準の性能確保、最低供給量、基準値の維持などを表現しやすい。計算上は「≤」へ変形して統一的に扱うことがある。
1.4 実行可能領域
実行可能領域とは、すべての制約を満たす変数の集合である。不等式制約が増えるほど、この領域は狭くなる傾向がある。最適化では、目的関数の候補を探す前に、まずこの領域を理解することが重要になる。
2 不等式制約の種類
不等式制約は、単純な上下限から複雑な集合条件まで幅広い。問題の構造に応じて、線形的に扱いやすいものと、非線形で計算負荷の高いものに分かれる。どの形式を採るかは、モデル化の自然さと解法の選択に直結する。
2.1 単純な上下限制約
各変数に対して上限と下限を与える形である。たとえば \(l \le x \le u\) のように書ける。最も基本的で、設計変数の物理的な範囲を示すときによく使われる。
2.2 区間制約
区間制約は、変数が特定の範囲内に入ることを求める条件である。単独の変数だけでなく、関数値が区間内に収まる場合もある。境界の両側を同時に管理できるため、実用上の柔軟性が高い。
2.3 非線形不等式制約
非線形不等式制約は、制約関数が線形でない場合を指す。曲線や曲面で境界が定まるため、許容領域の形は複雑になりやすい。工学や経済の現実問題では、むしろこちらが一般的である。
2.3.1 凸な制約
凸な制約では、許容領域が凸集合になる。任意の2点を結ぶ線分が領域内にとどまるため、解析と計算が比較的安定する。凸最適化との相性がよく、効率的な解法が利用しやすい。
2.3.2 非凸な制約
非凸な制約では、許容領域が分断されたり、くぼみを持ったりする。局所解が多数現れることがあり、解探索は難しくなる。実務では近似や緩和を使って扱うことがある。
2.4 集合制約
集合制約は、変数が特定の集合に属することを求める条件である。これには多面体、円錐、整数集合などが含まれる。不等式の形に書き換えられることもあるが、より一般的な表現として使われる。
3 数理最適化における役割
不等式制約は、最適化問題の現実性を支える基盤である。目的関数だけでは表現しきれない制限を入れることで、理論モデルと実際の運用条件を結びつける。解の品質は、制約の置き方に大きく左右される。
3.1 線形計画法
線形計画法では、目的関数と制約の両方が線形である。多くの不等式制約を効率よく処理でき、物流、配分、スケジューリングなどで広く利用される。標準形への変形がしやすい点も重要である。
3.2 非線形計画法
非線形計画法では、制約や目的関数に非線形性が含まれる。制約面の曲がり方によって解の挙動が大きく変わる。勾配やヘッセ行列を使う手法が有効だが、収束解析は複雑になる。
3.3 凸最適化
凸最適化では、制約集合が凸であることが重要な条件となる。局所解が大域解と一致しやすく、安定した解法が構築しやすい。不等式制約は、凸性を保ったままモデルを記述する手段として機能する。
3.4 整数計画法
整数計画法では、変数に離散性が加わるため、不等式制約の役割がさらに大きくなる。選択条件、容量制限、論理関係を表す際に多用される。連続問題より計算が難しいため、分枝限定法などと組み合わせて解かれる。
4 理論的取り扱い
不等式制約を含む問題では、制約が最適解にどのように影響するかを理論的に調べる必要がある。境界上で解が決まる場合も多く、等式制約だけの問題とは性質が異なる。そこで、乗数法やKKT条件が中心的な役割を果たす。
4.1 ラグランジュ乗数法
ラグランジュ乗数法は、制約付き最適化を解析する基本手法である。等式制約に対して特に直接的だが、不等式制約の理解にも土台を与える。制約を目的関数へ組み込む発想が、後続の理論につながる。
4.2 カルーシュ・クーン・タッカー条件
カルーシュ・クーン・タッカー条件は、不等式制約を含む最適化の代表的な必要条件である。解が制約を満たすだけでなく、どの制約が最適点で効いているかを示す。非線形計画法の基礎理論として広く用いられる。
4.2.1 停留条件
停留条件は、目的関数と制約の勾配が釣り合う状態を表す。最適候補では、変数をわずかに動かしたときの改善方向が制限される。これにより、最適点の局所的な特徴を記述できる。
4.2.2 相補性条件
相補性条件は、制約が厳密に効いていないときは対応する乗数がゼロになる関係を表す。逆に、乗数が正のときは制約が境界上で働いている。境界の役割を明確にする点で重要である。
4.2.3 実行可能条件
実行可能条件は、解がすべての制約を満たすことを要求する。KKT条件では、候補点がまず可行であることが前提になる。理論と計算の両面で、最初に確認すべき基本事項である。
4.3 スラック変数
スラック変数は、不等式制約を等式に変換するための補助変数である。たとえば \(g(x) \le 0\) を \(g(x)+s=0, s\ge 0\) と書き換える。標準形への整理やアルゴリズム設計に役立つ。
4.4 活性制約
活性制約とは、最適解で等号として成立している制約を指す。実際に解を押しとどめている条件であり、最適点の構造を決める。活性でない制約は、近傍では余裕を持って満たされている。
5 解法と計算手法
不等式制約を含む問題では、可行性を保ちながら探索を進める必要がある。そのため、制約を内部から扱う方法や、目的関数に反映させる方法が発展してきた。問題の規模や滑らかさによって、適した手法は異なる。
5.1 内点法
内点法は、実行可能領域の内部を通りながら解を近づける手法である。境界に直接張り付くのではなく、障壁項を用いて制約違反を避ける。大規模問題でも比較的強力で、線形・非線形の両方で重要である。
5.2 逐次二次計画法
逐次二次計画法は、元の非線形問題を二次近似の部分問題へ分解して解く方法である。各反復で不等式制約を近似的に扱い、少しずつ改善する。精度の高い局所解を得やすい点が長所である。
5.3 ペナルティ法
ペナルティ法は、制約違反に対して罰を与える項を目的関数に加える。制約を厳密に満たさなくても、違反が大きいほど不利になるよう設計される。単純で実装しやすい一方、係数調整が難しいことがある。
5.4 罰則付き目的関数
罰則付き目的関数は、ペナルティ法の考え方を用いて制約を目的関数へ統合した表現である。制約を明示的に処理する代わりに、違反量をコスト化して最適化する。近似的な制約処理として広く利用される。
6 応用分野
不等式制約は、理論問題にとどまらず、多様な実務分野で活躍する。限界条件や安全条件、予算条件を表せるため、モデル化の自由度が高い。分野ごとに意味は異なるが、基本構造は共通している。
6.1 工学設計
工学設計では、強度、重量、寸法、材料使用量などに上下限が課される。制約を設けることで、性能と安全性の両立を図る。製品設計や構造最適化で特に重要である。
6.2 制御理論
制御理論では、入力の大きさ、出力の範囲、状態量の変動に制限が付く。システムの安定性や実機の耐久性を保つために不可欠である。制御器設計では、時間発展を含む制約処理が重視される。
6.3 経済最適化
経済最適化では、予算、供給量、生産能力、価格条件などが不等式として表現される。資源配分や投資計画のモデル化に適している。制約は、現実の制限を反映する骨格として働く。
6.4 統計推定
統計推定では、推定値に非負性や範囲制限を課すことがある。たとえば確率、分散、強度パラメータなどは自然に境界を持つ。制約を入れることで、解釈可能性や安定性が高まる。
6.5 機械学習
機械学習では、正則化や公平性、資源制約の下で学習を行う場面がある。制約付き最適化は、モデルの性能と運用条件を両立させる枠組みとして使われる。大規模データでは、効率的な近似法が重要になる。
7 関連概念
不等式制約は、最適化の周辺概念と密接に結びついている。可行性、境界、緩和などの理解があると、理論と実装の両方を把握しやすい。これらの用語は相互に補完的である。
7.1 制約最適化問題
制約最適化問題は、目的関数を最小化または最大化しながら制約を満たす問題である。不等式制約は、その中心的な構成要素の一つである。多くの応用モデルがこの形に整理される。
7.2 可行解と最適解
可行解は、すべての制約を満たす解を指す。最適解は、その中で目的関数が最良となる解である。まず可行性を確保し、その後に最適性を評価する流れが基本となる。
7.3 補集合と境界
補集合は、ある集合に含まれない点全体を表す。境界は、集合の内外を分ける端の部分である。不等式制約では、解が境界上に現れるかどうかが重要な判断材料となる。
7.4 制約緩和
制約緩和は、元の制約を少し弱めて解きやすくする考え方である。厳密解の前段階として利用されることが多い。近似解や下界評価を得る際にも役立つ。