最適化問題とは｜数理最適化

🎓 レベル：基礎　|　重要度：A（必須）

📎 前提：なし（最適化の出発点）　|　関連：最適化問題の分類

要点（BLUF）

最適化問題は 「決定変数 $x$ を動かして、制約を満たしつつ目的関数 $f(x)$ を最小（または最大）にする」 という形に必ず書ける。
構成要素は4つだけ：決定変数・目的関数・制約・実行可能領域。
最大化は $\max f = -\min(-f)$ で最小化に変換できるので、理論は最小化に統一して語る。

概念 ── 4つの構成要素

最適化問題とは、選べる選択肢の中から「いちばん良いもの」を選ぶ数学。良し悪しを測る物差し（目的関数）と、選べる範囲のルール（制約）があれば、それは最適化問題になる。

要素	記号	意味
決定変数	$x = (x_1, \dots, x_n)$	こちらが自由に決められる量
目的関数	$f(x)$	最小化（または最大化）したい値
制約	$g_i(x) \le 0,\ h_j(x) = 0$	守らなければならない条件
実行可能領域	$\mathcal{F}$	全制約を満たす $x$ の集合

数式による定式化

標準形（最小化）はこう書く：

\min_{x \in \mathbb{R}^n} \ f(x) \quad \text{subject to} \quad \begin{cases} g_i(x) \le 0, & i = 1,\dots,m \\ h_j(x) = 0, & j = 1,\dots,p \end{cases}

実行可能領域は制約を満たす点の集合：

\mathcal{F} = \{\, x \in \mathbb{R}^n \mid g_i(x) \le 0,\ h_j(x) = 0 \,\}

要するに：実行可能領域 $\mathcal{F}$ という「選んでよい点の集合」の上で、 $f$ を最も低くする点を探す、というだけの話。

最適値と最適解は別物

最適値： $f^\star = \min_{x \in \mathcal{F}} f(x)$ — 達成できる目的関数の最小値（1つの数）。
最適解： $x^\star \in \arg\min_{x \in \mathcal{F}} f(x)$ — その値を達成する点（複数あり得る、無いこともある）。

最適解が存在しない例もある： $\mathcal{F}$ が空（制約が矛盾＝実行不能）、または $f$ が下に有界でない（ $\min$ が $-\infty$ ＝非有界）。ワイエルシュトラスの定理は「 $f$ が連続かつ $\mathcal{F}$ が空でない有界閉集合（コンパクト）なら最小解が存在する」と保証する。

具体例 ── 箱の容積

「厚紙の四隅を一辺 $x$ の正方形に切って折り、ふたなしの箱を作る。容積を最大にする $x$ は？」厚紙が $a \times a$ なら容積は $V(x) = x(a - 2x)^2$ 、制約は $0 \le x \le a/2$ 。これは

\max_{0 \le x \le a/2} \ x(a-2x)^2

という1変数の制約付き最適化。決定変数 $x$ 、目的関数 $V(x)$ 、実行可能領域 $[0, a/2]$ がすべて揃っている。

最大化と最小化の変換

最大化問題は符号を反転すれば最小化問題になる：

\max_{x \in \mathcal{F}} f(x) = -\min_{x \in \mathcal{F}} \bigl(-f(x)\bigr)

最適解 $x^\star$ は両者で共通、最適値だけ符号が反転する。だから教科書は最小化で理論を組み、必要なら符号を返すだけでよい。同様に制約 $g(x) \ge 0$ は $-g(x) \le 0$ と書き直せるので、不等式の向きも $\le 0$ に統一できる。

数式の直観的意味

なぜ「不等式 $\le 0$ と等式 $= 0$ 」の2種類に統一するのか。等式は領域の 境界（次元を1つ落とす超曲面） を、不等式は領域の 片側（半空間的な広がり） を表す。あらゆる現実の条件（予算以内・需要を満たす・在庫は非負）はこの2種類の組み合わせで書ける。この統一形があるから、後の章の最適性条件（最適性条件の地図）やラグランジュ乗数（等式制約とラグランジュ乗数）が、問題の中身によらず同じ枠組みで語れる。

⚠️ よくある誤解・落とし穴

「最適解＝目的関数の最小値」ではない。最小値は数（最適値）、最適解はそれを与える点。両者を混同しない。
実行可能性を先に確認する。 $\mathcal{F}$ が空なら、どんな目的関数でも解は無い。「良い解」を探す前に「解が存在するか」を問う。
「最大化だから別の手法が要る」は誤り。符号反転で最小化に帰着する。手法は最小化で1セット覚えれば足りる。
端点（境界）が最適になることは普通にある。「微分してゼロ」だけ見ると端点最適を見落とす（最適性条件の地図参照）。