Математическая оптимизация
-
Генетические алгоритмы: конкурентный поиск в пространстве решений
Генетические алгоритмы: эффективный метод оптимизации и поиска решений в задачах компьютерной науки. Мутация, кроссовер, отбор – ключевые принципы.
-
Квадратичное программирование: методы, сложность и приложения
Квадратичное программирование: оптимизация квадратичных функций с линейными ограничениями. Решение математических задач, нелинейное программирование.
-
Линейное программирование: методы и применение.
Линейное программирование: метод оптимизации математических моделей с линейными ограничениями. Максимизация прибыли, снижение издержек, поиск решений.
-
Математические алгоритмы оптимизации задач
Математическая оптимизация: изучение алгоритмов для решения задач максимизации/минимизации. Дискретная и непрерывная оптимизация, применение в науке и экономике.
-
Жадные алгоритмы: локальные решения и оптимальность.
Жадные алгоритмы: локально оптимальные решения для сложных задач. Эвристики, приближенные решения, матроиды, оптимизация, быстрый поиск.
-
Динамическое программирование: метод оптимизации
Динамическое программирование: метод оптимизации и алгоритмический подход, разработанный Ричардом Беллманом. Решение сложных задач через рекурсивное разбиение на подзадачи.
-
Метод множителей Лагранжа: теория и применение
Метод множителей Лагранжа: нахождение максимумов и минимумов функций при ограничениях. Оптимизация, математический анализ, теорема Лагранжа.
-
Метод имитации отжига: вероятностная оптимизация и метаэвристики.
Симулированный отжиг: вероятностный метод оптимизации для поиска глобального оптимума. Метаэвристика для сложных задач, таких как задача коммивояжера.
-
Эволюционные алгоритмы: обзор и разновидности
Эволюционные алгоритмы: метод оптимизации, вдохновленный биологической эволюцией. Популяционный подход, мутации, отбор – для поиска лучших решений задач.
-
Оптимальная подструктура задач: принцип и примеры
Оптимальная подструктура в информатике: свойство задач, позволяющее строить оптимальное решение из подзадач. Жадные алгоритмы, динамическое программирование.
-
Эволюционные вычисления: методы и история развития
Эволюционные вычисления: алгоритмы глобальной оптимизации, вдохновленные биологической эволюцией. Методы поиска решений, метаэвристики, ИИ и софт-компьютинг.
-
Оптимизация роем частиц: итерационный метод моделирования.
Оптимизация роем частиц (PSO): итеративный метод поиска лучших решений в вычислительной науке. Минимизация функций, алгоритм на основе векторов.
-
Алгоритм подъёма на холм: оптимизация и применение.
Алгоритм подъема на холм: метод локального поиска для математической оптимизации. Итеративный процесс улучшения решения, пример – задача коммивояжера.
-
Метод табу-поиска: оптимизация и области применения.
Поиск с запретами (Tabu Search) – метаэвристический метод оптимизации. Преодолевает локальные оптимумы, улучшая результаты локального поиска. Создан Гловером.
-
Метод ветвей и границ в оптимизации
Метод ветвей и границ (Branch and Bound) – эффективный алгоритм оптимизации для дискретных задач. Поиск оптимального решения через исключение неперспективных вариантов.
-
Стохастическое программирование в теории управления: моделирование оптимизации при неопределенности
Стохастическое программирование: моделирование оптимизации при неопределенности. Применение в финансах, транспорте, энергетике и теории управления.
-
Глобальная оптимизация: методы и подходы
Глобальная оптимизация: поиск минимумов/максимумов функций в математике. Методы, отличия от локальной оптимизации, сложности и применение полиэдров.
-
Оптимизация с помощью муравьиных колоний
Алгоритм оптимизации муравьиной колонией (ACO): принцип работы, применение в задачах маршрутизации и поиска оптимальных путей в графах. Эффективный метод!
-
Методы решения задач нелинейного программирования
Нелинейное программирование: методы решения задач оптимизации с нелинейными функциями и ограничениями. Примеры: транспортные издержки, логистика.
-
Метаэвристики в оптимизации и машинном обучении
Метаэвристики: методы оптимизации для сложных задач! Эффективный поиск решений в машинном обучении при ограниченных ресурсах. Теория и эксперименты.
-
Алгоритм Левенберга — Марквардта для решения нелинейных задач наименьших квадратов
Алгоритм Левенберга-Марквардта: решение нелинейных задач наименьших квадратов. Комбинирует методы Гаусса-Ньютона и градиентного спуска, повышая устойчивость.
-
Удовлетворение ограничений: методы и применение в искусственном интеллекте и исследованиях операций.
Поиск решений с ограничениями: что такое constraint satisfaction в AI и операционных исследованиях? Методы, области применения и алгоритмы решения.
-
AMPL: Язык алгебраического моделирования для решения сложных задач
AMPL: язык моделирования для решения сложных математических задач. Оптимизация, планирование, поддержка множества солверов (CPLEX, MOSEK и др.).
-
Математическая оптимизация компоновки материала
Оптимизация топологии: математический метод для улучшения компоновки материалов и повышения производительности конструкций. Применение в инженерии.
-
Уравнение Беллмана в динамическом программировании
Уравнение Беллмана – необходимое условие оптимальности в динамическом программировании. Разложение сложных задач на подзадачи, применение в экономике и инженерии.
-
IBM ILOG CPLEX Optimization Studio: Пакет для линейного программирования
IBM ILOG CPLEX Optimization Studio: мощный инструмент для решения задач линейного программирования, целочисленного и квадратичного программирования. Оптимизация!
-
Оптимизация формы и топологии: методы и подходы.
Оптимизация формы: поиск идеальной геометрии для минимизации затрат и выполнения условий. Теория оптимального управления, топология и ЧУР.
-
Теорема об отсутствии бесплатного обеда в оптимизации
Теорема "нет бесплатного обеда" (NFL) в математике: любой алгоритм одинаково эффективен в среднем по всем задачам. Оптимизация, машинное обучение.
-
Теорема об отсутствии бесплатного обеда в вычислительной сложности
Теорема "нет бесплатного обеда" в вычислительной сложности: средняя стоимость решения задач одинакова для любых методов. Оптимизация, анализ.
-
Бесконечномерная оптимизация и её приложения.
Оптимизация бесконечномерных задач: поиск оптимальных функций и форм. Решение задач с непрерывными переменными, пример – кратчайший путь на плоскости.
-
Методы поиска минимума функции: обзор и сравнение.
Поиск минимального значения функции: алгоритмы оптимизации, методы поиска направления (градиентный спуск, квазиньютоновский) и выбор шага. Оптимизация функций.
-
Метод отсекающих плоскостей в задачах целочисленного линейного программирования
Метод сечений в линейном программировании: эффективный способ поиска целочисленных решений MILP задач. Оптимизация, Gomory, линейные неравенства.
-
Алгоритмы решения задач выпуклой оптимизации
Методы внутренних точек для решения задач выпуклой оптимизации: теория, преимущества (полиномиальное время), сравнение с симплекс-методом и методом эллипсоидов.
-
Метод предиктор-корректор Мехротры для оптимизации
Метод Мехротры (1989) – оптимизационный алгоритм для линейного программирования. Ускоряет вычисления, повторно используя факторизацию Холецкого.
-
Метод обратного отслеживания в математической оптимизации
Поиск вдоль линии с возвратом: метод оптимизации для нахождения шага движения в заданном направлении. Используется в градиентном спуске и требует дифференцируемой функции.
-
Генетические алгоритмы и нечеткие системы: обзор методов и оптимизации.
Генетические нечеткие системы: автоматическое построение и оптимизация с помощью генетических алгоритмов. Преодоление ограничений линейной оптимизации.
-
Оптимизация траекторий: от вариационного исчисления до современных приложений.
Оптимизация траектории: методы вычисления оптимальных траекторий для управления системами. Применение в MPC и задачах оптимального управления.
-
Goal seeking
-
Формат файлов MPS для задач линейного программирования
Формат MPS: стандарт для лин. программирования (LP) и смешанного целочисленного программирования. Поддерживается большинством решателей, но уступает моделям на языках.
-
Karush–Kuhn–Tucker conditions
-
Метод Нелдера-Мида: Алгоритм численной оптимизации
Метод Нелдера-Мида: численный алгоритм оптимизации для поиска минимума/максимума функции в многомерном пространстве. Без производных, для нелинейных задач.
-
Многоуровневый координатный поиск для глобальной оптимизации с ограничениями
Многоуровневый координатный поиск (MCS) – эффективный алгоритм глобальной оптимизации, использующий только значения функции. Оптимизация без ограничений!
-
Алгоритмы глобальной оптимизации: BRST, Multistart и методы кластеризации.
Алгоритм BRST: оптимизация чёрных ящиков. Поиск глобального минимума с помощью стохастических методов, кластеризации и локального поиска. Модификация Тиммера.
-
Начальные значения в математическом моделировании: выбор и влияние на оптимизацию.
Начальные значения в математическом моделировании: важность для оптимизации и нелинейной регрессии. Влияние на успех алгоритмов поиска и точность решения.
-
Парето-фронт: Определение, свойства и алгоритмы аппроксимации.
Парето-фронт в многокритериальной оптимизации: набор эффективных решений для инженеров. Оптимизация, выбор параметров, компромиссы и анализ решений.
-
IPOPT: Библиотека для нелинейной оптимизации больших систем
IPOPT: библиотека C++ для нелинейной оптимизации больших систем. Применяет метод внутренних точек, совместима с C, Python, R и другими средами.
-
Метод областей доверия в математической оптимизации
Метод доверительных областей в математической оптимизации: поиск минимума функции с помощью модели, расширяя/сужая область доверия в зависимости от точности.
-
Goal programming
-
Алгоритмы оценки распределения: стохастические методы оптимизации.
Алгоритмы стохастической оптимизации (EDA): построение и использование вероятностных моделей для поиска оптимальных решений. Эволюционные алгоритмы.
-
Обобщение марковского процесса принятия решений (или Частично наблюдаемые марковские процессы принятия решений)
Частично наблюдаемые марковские процессы (POMDP): обобщение MDP для принятия решений в условиях неопределенности. Моделирование, вера, наблюдения, применение.
-
Алгоритм Фрэнка — Вольфа: метод условного градиента для выпуклой оптимизации
Алгоритм Фрэнка-Вольфа: метод оптимизации для выпуклых задач. Итеративный, эффективный, не требует проекций. Подробно о применении и сходимости.
-
Псевдовыпуклость в математическом анализе
Псевдовыпуклая функция в выпуклом анализе: свойства, теорема Ферма и применение в оптимизации. Необходимое и достаточное условие локального минимума.
-
Метод ветвей и сечений в задачах целочисленного линейного программирования.
Метод ветвей и сечений (Branch and Cut) для решения задач целочисленного линейного программирования (ILP). Оптимизация, отсечение, ветвление.
-
Принцип двойственности в математической оптимизации
Двойственность в математической оптимизации: примитивная и двойственная задачи. Максимизация vs. Минимизация, слабый принцип двойственности и границы решений.
-
Функция Розенброка: тест для алгоритмов оптимизации
Функция Розенброка: тест для алгоритмов оптимизации. Невыпуклая функция, сложная для поиска глобального минимума из-за узкой долины. Оптимизация, математика.
-
Алгоритм Кармаркара: История и Значение в Линейном Программировании
Алгоритм Кармаркара: эффективное решение задач линейного программирования за полиномиальное время. Преимущества перед методом эллипсоидов и сложность вычислений.
-
Мейнольф Зельманн: Путь от алгоритмов до технологического лидерства
Майнoльф Зельманн – немецкий ученый в области алгоритмов и AI. Разработка самообучающихся алгоритмов, оптимизация и портфели алгоритмов. CTO InsideOpt.
-
Локальный поиск в задачах удовлетворения ограничений: обзор алгоритмов и стратегий.
Поиск с локальным улучшением в задачах на удовлетворение ограничений: итеративное улучшение назначений переменных для нахождения решения. Оценка качества назначений.
-
Оптимизация с ограничениями: методы и условия
Оптимизация целевых функций с ограничениями: методы, типы ограничений (жёсткие/мягкие), обобщение задачи поиска решений. Математическое программирование.
-
Распределенная оптимизация ограничений: формальное определение и компоненты.
Оптимизация распределенных ограничений (DCOP): распределенное решение задач с ограничениями для группы агентов. Минимизация затрат, выбор значений переменных.
-
Эллипсоидный метод для минимизации выпуклых функций
Эллипсоидный метод: итеративный алгоритм для минимизации выпуклых функций и решения задач линейной оптимизации. История и применение в математике.
-
Extremal optimization
-
Semidefinite programming
-
Quasiconvex function