Pythonで最適化問題を解く際のパッケージに関して

Question

###質問内容
Pythonで最適化問題のナップザック問題を解こうとしています。
以下のサイトを参考にしているのですが、「ortoolpy」パッケージのknapsack関数での実装とpulpパッケージをインポートして計算する実装のコードの違いがよくわかりません。
なぜ２つの方法があり、どちらの方が優れているのでしょうか（実行速度が早い等）。

ソースコードは以下のサイトから引用しています。
組み合わせ最適化を使おう

###該当のソースコード

from ortoolpy import knapsack
size = [21, 11, 15, 9, 34, 25, 41, 52]
weight = [22, 12, 16, 10, 35, 26, 42, 53]
capacity = 100
knapsack(size, weight, capacity)
>>>
(105, [0, 1, 3, 4, 5])

from pulp import *
size = [21, 11, 15, 9, 34, 25, 41, 52]
weight = [22, 12, 16, 10, 35, 26, 42, 53]
capacity = 100
r = range(len(size))
m = LpProblem(sense=LpMaximize) # 数理モデル
x = [LpVariable('x%d'%i, cat=LpBinary) for i in r] # 変数
m += lpDot(weight, x) # 目的関数
m += lpDot(size, x) <= capacity # 制約
m.solve()
print((value(m.objective), [i for i in r if value(x[i]) > 0.5]))
>>>
(105.0, [0, 1, 3, 4, 5])

Answer 1

knapsack関数での実装の場合、関数にデータを渡すだけで結果を取り出せています。
一方で、
pulpパッケージ利用した場合は、どのように問題を数学的に表現するかを検討する必要があります。
それがコードとしてあらわされている内容になります。

このケースの場合、knapsack関数での実装内容とまったく等しい内容がコード部分に記載されていますから、どちらが優れているなどの優劣はコード自体には存在しないことになります。

しいてこの二つのケースでpulp側のメリットをあげるとすれば、pulpのみのほうは、「importするライブラリがひとつ少なくてすむ」点はメリットといえなくもないです。

なぜ、二つの方法があるか？という点については、関数（やライブラリ）をなぜ作るのか？という問いの回答に近いといえます。

専用の関数（やライブラリ）を作れば、その関数にデータを渡すだけで回答がえられますが、専用関数がなければ、自分でどのように処理するかをすべてきめなくてはいけません。

料理に例えれば、材料をすべて決まった大きさにきって箱に入れるとカレーが自動的にできる箱が専用関数といえます。
専用関数がなければ、煮るだけでよいのか、炒める必要があるのかなど、カレーの製作プロセスを自分ですべて考える必要があります。その手間を省いてくれる分、専用関数は楽チンですね。

Comments

[退会済みユーザー]

大変わかりやすいご回答をいただきましてありがとうございます。