LP/MIPに限らず最適化のトピックを

以下で扱ったのは線形計画法（LP；linear programming）か混合整数計画法（MIP；Mixed Integer Programming）について。

なぜなら実務における問題解決で主に使うのはだいたいこの範囲だから。たまにそうでない手法が求められる際は他のチームにいる詳しい人に依頼する方が早くで正確だったから。
でも知識としては必要なのと、現職でやるとしたら自分になる（作業は外注するにせよプロマネをする必要はある）ので整理しておこう

非線形計画法

この辺りはさすがに知ってる

近似解法

線形計画・混合整数計画は厳密解法とも呼ばれて、正確な答えを求める一方で時間がかかる。で、実は内部的にはそこそこ良い答えは早く出ていて、途中で計算を止めて答えを出力させると十分な精度だったりするのだが。
一方で近似解法（ヒューリスティック）と呼ばれるものがある。厳密に正確な答えでなくて良いから、実務的に必要な時間内で答えが欲しい時に使う。その中で最もよく聞く・使うのが遺伝的アルゴリズム。個人的には数学的な正しさの方が好きではあるけれど実務的なニーズは大事。。。

• Algorithms for Optimization

強化学習や自己回帰を使うものもあるらしい

一般的な整数最適化問題用の C++ メタヒューリスティック モデラー/ソルバーもあるのだそうで、ここまでは手を出せてない。

動的計画法

数学というよりはアルゴリズム的な感じでイマイチ好んでは使わないけれど、結果的には上記の近似解法に比べて実際に使ったことがあるし、嫌いじゃないので、上記と分けて。
近似動的計画入門

より経済学的な文脈で使われているのは動学マクロ/DSGE周辺の手法とアルゴリズムのまとめにある。

モデル予測制御

あたりも最適化の仲間として、このページに配置しておこう。
数理最適化に基づく制御

LLM活用

で最適化も何かしようという話題もある。 
最適化向けLLMベンチマークの潮流

まだ試したことは無いけど、プロンプトによってはLLMが数理計画法として定式化してくれるみたい。その定式化を受けた処理とか一気通貫させる仕組みを作れば、そのうち入門書に乗ってる程度の簡単な最適化問題なら「AIができる」状態になるんだろうな。

というか、この方の記事を探せば、最適化まわりの少しadvancedなトピックは大体ある。

他の情報を見たい方は、目次ページへ
仕切り直しで収集情報の整理から｜くすぐったがり｜note