第3回　配送・経路最適化の実例ハンズオン 第3回では、容量制約付き車両経路問題（CVRP：Capacitated Vehicle Routing Problem）を題材に、Pythonと最適化SDKを用いて実際にモデルを組み、量子アニーリング／量子インスパイアドなサンプラーで解いてみるハンズオンを行います。 ビジネス上よく聞かれる「毎日Excelでルートを手作業調整している」「燃料費や配送距離の削減余地が見えない」「拠点・店舗追加時の影響をシミュレーションしたい」といった課題を、CVRPという数理モデルに落とし込み、実データに適用できるレベルまで解説します。 【主な内容】 ・CVRPとは何か：共通の拠点から出発・帰着する複数車両、顧客はちょうど1回訪問、車両容量制約を守りつつ総走行距離（コスト）を最小化する問題設定 ・物流現場での代表的な課題と、CVRP最適化がもたらすビジネスインパクト（走行距離・燃料費削減、積載率向上、ドライバー負荷の平準化、CO2削減など） ・顧客・車両・容量・需要・距離行列などのパラメータ整理と、訪問順序×顧客×車両を表す0／1変数の設計 ・「各ステップで1顧客だけ」「各顧客は1回だけ」「容量制約」などの制約を、二乗ペナルティ付きコスト関数としてQUBOに落とし込む方法 ・Python + hobotanを使った実装ステップ：問題設定、変数定義、制約・距離コストの構築、コンパイル、サンプラー実行、結果の解釈までの一連の流れ ・サンプラーから得られた解を配列として可視化し、人間が読めるルート表現へ変換するコード例、および総距離・容量のチェック方法 ・複数解の比較、ハイパーパラメータ（制約の重み）の調整、スケールアップ時に考慮すべきポイントといった、現場適用に向けた実務的な視点 【この動画で得られること】 ・CVRPの数式モデルとQUBO化の具体的なイメージ ・Pythonコードをベースに、自社データへ置き換えて試せるレベルの実装ノウハウ ・量子アニーリング／量子インスパイアドソルバを「現場の配送計画にどうつなげるか」という実務感覚