PythonのPyomoモジュールについて現役エンジニアが解説【初心者向け】
初心者向けにPythonのPyomoモジュールについて解説しています。これは最適化問題を解くときに使用されます。Pyomoモジュールの導入方法、ナップサック問題による使用例について見ていきましょう。
テックアカデミーマガジンは受講者数No.1のプログラミングスクール「テックアカデミー」が運営。初心者向けにプロが解説した記事を公開中。現役エンジニアの方はこちらをご覧ください。 ※ アンケートモニター提供元:GMOリサーチ株式会社 調査期間:2021年8月12日~8月16日 調査対象:2020年8月以降にプログラミングスクールを受講した18~80歳の男女1,000名 調査手法:インターネット調査
PythonのPyomoモジュールについて、TechAcademyのメンター(現役エンジニア)が実際のコードを使用して初心者向けに解説します。
そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。
なお本記事は、TechAcademyのオンラインブートキャンプPython講座の内容をもとに紹介しています。

今回は、Pythonに関する内容だね!

どういう内容でしょうか?

Pyomoモジュールについて詳しく説明していくね!

お願いします!
目次
Pyomoモジュールとは
Pyomoとは、最適化問題を解くために使うPythonのパッケージです。
最適化問題を解くときには最適化モデルを用意する必要があります。pyomoであればそれらのモデルを定式化させることでメソッドを呼び出すだけで簡単に目的の最適化問題を解けるようにしています。
最適化モデルはPythonのソースコード上で記述することもできますし、データベースやCSVなどの外部ソースからも定義できます。
pyomoはBSDライセンスのオープンソースとなっています。
Pyomoモジュールの使い方
まずは、インストール方法を紹介します。pipで配布されているので、以下のコマンドでインストールできます。
pip install pyomo
これでライブラリそのものはインストールできましたが、問題を解くために必要なソルバーがインストールされていません。そこで、任意のソルバーをインストール必要があります。以下はMacでglpkをインストールする例です。
brew install glpk
モジュールのインポートは以下のように行います。
from pyomo.environ import *
モデルの定義は以下の書き方でできます。
M = ConcreteModel()
最適化問題をするにあたり、各変数に対してキーワードを割り当てることができます。そのときに使われるのがSet()メソッドです。
以下のように定義すると、リストで指定した内容をキーワードとして保持できます。
M.ITEMS = Set(initialize=['red', 'green', 'blue'])
このキーワードを最適化問題を行うときのインデックスとして定義するときには、以下のように設定することでインデックスとして定義できます。
M.x = Var(M.ITEMS, within=Binary)
結果を出力するときには以下のようにソルバーを呼び出して結果を出力させます。
opt = SolverFactory("glpk") result = opt.solve(M, tee=True) M.display()
実際に書いてみよう
それでは、実際にサンプルコードを動かしてみましょう。
今回は最適化問題では定番のナップサック問題を説いていきます。ナップサック問題は、ナップサックに入る重さの限度内で荷物の価値が最大になる組み合わせを考える問題です。
以下のサンプルコードを任意のディレクトリに保存します。
from pyomo.environ import * v = {'banana':8, 'grape':3, 'apple':6, 'peach':11} w = {'banana':5, 'grape':6, 'apple':3, 'peach':7} limit = 20 M = ConcreteModel() M.ITEMS = Set(initialize=v.keys()) M.x = Var(M.ITEMS, within=Binary) M.value = Objective(expr=sum(v[i]*M.x[i] for i in M.ITEMS), sense=maximize) M.weight = Constraint(expr=sum(w[i]*M.x[i] for i in M.ITEMS) <= limit) opt = SolverFactory("glpk") result = opt.solve(M, tee=True) M.display()
サンプルコードを実行すると、以下のように結果が出力されます。実際はデバッグが表示されますが、長くなるので省略しています。
Variables: x : Size=5, Index=ITEMS Key : Lower : Value : Upper : Fixed : Stale : Domain apple : 0 : 0.0 : 1 : False : False : Binary banana : 0 : 1.0 : 1 : False : False : Binary grape : 0 : 0.0 : 1 : False : False : Binary melon : 0 : 1.0 : 1 : False : False : Binary peach : 0 : 1.0 : 1 : False : False : Binary Objectives: value : Size=1, Index=None, Active=True Key : Active : Value None : True : 29.0 Constraints: weight : Size=1 Key : Lower : Body : Upper None : None : 20.0 : 20.0
この結果から、限度内で最大の価値を出す組み合わせはメロン、バナナ、ピーチで価値が29ということが分かりました。
実は私も!?独学で損する人の特徴
「スクールは高いから独学で成功する」という気持ちの方は多いと思います。
もちろんその方が金額は低く抑えられるでしょう。
ただ
独学には向き不向きがあり、実はスクールが向いている人も大勢います。
そんな方のために参考として、
テックアカデミー卒業生がスクールを選んだ理由
をご紹介します。
- ・困って挫折しそうなときに、質問や相談できる相手がいる環境で学んでいきたいなと思った
- ・わかった気になっているだけだったので、自分を追い込む環境に置いた方がいいと感じた
- ・スクールのカリキュラムで市場に求められるスキルを学ぶべきと思った

少しでも当てはまる部分があれば、
スクールが向いているかもしれません。
お試しのつもりで、まずは一度
無料相談
に参加してみませんか?
現役エンジニア・デザイナーに何でも気軽に相談できる30分
を
すべて無料で
できます。
無理な勧誘は一切ない
ので、お気軽にご参加ください。
まとめ
今回はpyomoを使って最適化問題を解く方法を紹介しました。結果が細かく出力されるので、詳細に結果を求めたいときにはとても便利なモジュールだと思います。ただ、ソルバーは自力でインストールする必要があるので、そこは要注意です。
監修してくれたメンター
メンター 三浦
モバイルゲームを運用している会社のエンジニアをしています。趣味でWEB開発やクラウドコンピューティングもやっており、ソフトもハードもなんでもやります。 |

内容分かりやすくて良かったです!

ゆかりちゃんも分からないことがあったら質問してね!

分かりました。ありがとうございます!
TechAcademyでは、初心者でもPythonを使った人工知能(AI)や機械学習の基礎を習得できるオンラインブートキャンプPython講座を開催しています。
挫折しない学習方法を知れる説明動画や、現役エンジニアとのビデオ通話とチャットサポート、学習用カリキュラムを体験できる無料体験も実施しているので、ぜひ参加してみてください。

プログラミングを独学していて、このように感じた経験はないでしょうか?
- ・調べてもほしい情報が見つからない
- ・独学のスキルが実際の業務で通用するのか不安
- ・目標への学習プランがわからず、迷子になりそう
テックアカデミーでは、このような
学習に不安を抱えている方へ、現役エンジニア講師とマンツーマンで相談できる機会を無料で提供
しています。
30分間、オンラインでどんなことでも質問し放題です。
「受けてよかった」と感じていただけるよう
厳しい試験を通過した講師
があなたの相談に真摯に向き合います。
「ただ気になることを相談したい」
「漠然としているがプロの話を聞いてみたい」
こんな気持ちでも大丈夫です。
無理な勧誘は一切ありません
ので、まずはお気軽にご参加ください。
※体験用のカリキュラムも無料で配布いたします。(1週間限定)