⑦1/18-19まとめ　物流ゲーミフィケーション

土日は大抵はこうした思考実験で費やしている。
平日はそんな時間が無いので。

mindmap
  root((技術))
    GNN(GNN)
      動的なグラフ変化の扱い
        ロジスティクスエンジニアリング問題
          N対N配車問題
            ダイナミックグラフ適用
            最適化問題としない
      ブレイド群のテンソル積
        配車問題のブレイド指数

    GUI開発
      2D GUI
        PyGame
          作業者向けインターフェース
            N対N配車問題のインターフェース
      3D GUI
        Panda3D
          作業者向けインターフェース
            N対N配車問題のインターフェース
          倉庫の在庫問題の可視化
        
    トロピカル幾何学
      問題の幾何的視覚化
        物流問題全体への応用

Mermaid記法のポイント
mindmap でマインドマップを宣言します。
root((技術)) で中心となるノード（開始点）を定義します。
ノード名(表示名) でノードを定義し、インデントで階層構造を表します。
N対N配車問題など、スペースを含むノード名は、N対N配車問題のように、バッククオート(\)で囲むと、mermaidが正しく解釈してくれます。
rootの後に、技術の枝を伸ばし、それぞれの技術が解決する問題、具体的な応用を記述しています。

マインドマップの解説技術:
マインドマップの中心として、技術要素を起点に考えます。
GNN:
動的なグラフ変化を扱うことで、ロジスティクスエンジニアリング問題、特にN対N配車問題に対応します。
N対N配車問題は、ダイナミックグラフとしてGNNで扱います。
配車問題は最適化問題としてではなく、ブレイド群のテンソル積で表されるブレイド指数として扱います。
GUI開発:
作業者が使用しやすいように、2DはPyGame、3DはPanda3Dを使い、インターフェースを開発します。
N対N配車問題のインターフェースをPyGameとPanda3Dの両方で作成します。
倉庫の在庫問題はPanda3Dで可視化します。
トロピカル幾何学: 問題を幾何的に視覚化するために使用し、物流問題全体への応用を目指します。

マインドマップの活用
技術要素とそれらが解決する問題を視覚的に把握できます。
技術間の関連性や依存関係を理解できます。
プロジェクトの全体像を把握し、計画を立てる際に役立ちます。

このMermaid記法をコピーして、Mermaid対応のエディタ（例えば、Markdownエディタのプレビュー機能や、Mermaid Live Editorなど）に貼り付けると、マインドマップが図として表示されます。

このマインドマップをベースに、さらに詳細な内容を追加したり、要素の配置を調整したりすることで、より使いやすいものにカスタマイズできます。

回答

---

結局、分かったのは　
・基礎技術を別個に実現する必要はない。
・親分技術を習得すれば、総括されている。
ですね。

機械学習の分野ではGNNを一つ学べば、他周辺技術の大方はここに含まれいています。
かといって周辺技術の勉強をしなくても良いわけではない。

そして
・別個の問題と思っていたのは、大抵は同じモデルになる。

これは後追いでそう言えるだけの話で、追究している間は全く前が視えなくて苦痛でしかありませんがね。