Лаборатория. Приглашенный ученый Ванг Джун

Задачи оптимизации встречаются повсеместно в науке, технике и бизнесе, особенно часто они возникают в области машинного обучения, анализа данных, обработки изображений и сигналов. Математические формулировки подобных задач во многих случаях содержат невыпуклые целевые функции и/или ограничения, дискретные переменные, несколько критериев оптимизации или несколько характерных масштабов. Решать задачи глобальной и многокритериальной оптимизации особенно сложно из-за обилия локальных экстремумов и отсутствия эффективных методов для нахождения глобального экстремума. С учетом ограниченности вычислительных ресурсов и существенной многомерности большинства практических задач, эффективные методы оптимизации оказываются крайне необходимыми.

Название проекта: Многомасштабные интеллектуальные нейродинамические системы для многомерной оптимизации в области машинного обучения и обработки данных.

Научной целью предлагаемого проекта является разработка принципиально новых алгоритмов оптимизации на основе многомасштабных коллаборативных нейродинамических систем и связанных с ними современных научных подходов. Особое внимание будет уделено развитию методов решения следующих сложных задач оптимизации:

• задачи с невыпуклыми и разрывными целевыми функциями и специальными ограничениями, которые гарантируют гладкость и разреженность решений;
• задачи с целочисленными и непрерывными переменными, полученными из условий на допустимое множество решений;
• задачи многокритериальной оптимизации с несколькими целевыми функциями, в которых необходимо эффективно найти решение, подходящее для всех целевых функций;
• задачи многоуровневой оптимизации в иерархической структуре принятия решений, а также многопериодной оптимизации с динамическим моделированием в условиях убывающего горизонта планирования времени, которые будут рассмотрены с точки зрения динамической оптимизации.