制約付き最適化とは、特定の条件（制約条件）を満たしながら、目的とする関数（目的関数）の値を最大化または最小化するパラメータを求める数理手法です。AIや機械学習の分野では、モデルのパラメータ調整、資源の割り当て、ポートフォリオ最適化など、現実世界の様々な制限がある中で最適な意思決定を行うために不可欠な技術となっています。
制約付き最適化とは
制約付き最適化とは、パラメータが満たすべき一定のルールや範囲（制約条件）が課された状況下で、目標とする評価指標（目的関数）を最も良くする（最大化または最小化する）解を見つけ出す数学的手法です。
詳しく解説
数理最適化の一分野であり、現実世界の課題を解く上で極めて重要です。最適化問題は、制限のない無制約最適化と、制限が存在する制約付き最適化に大別されます。制約条件には、数式で「等号」として表される等価制約と、「不等号」として表される不等価制約があります。これらを解くために、ラグランジュの未定乗数法やペナルティ関数法、あるいは内点法といったアルゴリズムが用いられます。機械学習においては、サポートベクターマシンのマージン最大化や、ニューラルネットワークの過学習を防ぐための正則化（重みのノルム制約）などでこの概念が応用されています。
具体例・使われ方
具体的な利用例として以下が挙げられます。1. 機械学習モデルの訓練：サポートベクターマシンにおいて、誤分類を許容しつつ、データの境界（マージン）を最大化する問題を解く際。2. 自動運転の経路計画：目的地までの最短時間を目指しつつ、最高速度制限や障害物との安全な距離、急カーブ時の遠心力の制限などの制約条件をクリアする経路をリアルタイムに計算する。3. ポートフォリオ最適化：投資において、期待収益を最大化しつつ、総投資額の上限や各銘柄のリスク許容度を超えないような資産配分を決定する。
似た用語との違い
無制約最適化との違いが代表적です。無制約最適化は、パラメータに一切の制限がなく、目的関数を最小または最大にする値を自由に探索できます（例：通常のニューラルネットワークの勾配降下法による学習）。これに対し、制約付き最適化は「特定の領域内」からしか解を選べないため、探索がより難しくなり、解が制約の境界線上に位置することも多々あります。
注意点
制約条件が厳しすぎると、条件を満たす解がそもそも存在しない「実行不可能」な状態に陥ることがあります。また、目的関数や制約条件が非線形（直線や平坦な面ではない性質）である場合、大域的な最適解ではなく局所最適解に捕まってしまう可能性が高くなり、高度な計算コストが必要になります。