Main menu
Прикладная математика

Прикладная математика (445)

Численные методы и вычислительная математика

  1. Численные методы — Ричард Бёрден, Дж. Дуглас Фэйрс
  2. Численные методы для инженеров — Стивен Чапра
  3. Численные методы линейной алгебры — Ллойд Трефетен, Дэвид Бау
  4. Матричные вычисления — Джин Голуб, Чарльз Ван Лоан
  5. Вычислительная математика — А. А. Самарский
  6. Численные методы — Н. С. Бахвалов

Оптимизация и исследование операций

  1. Введение в исследование операций — Хиллер, Либерман
  2. Выпуклая оптимизация — Стивен Бойд, Ливен Ванденберг
  3. Нелинейное программирование — Дмитрий Бертсекас
  4. Методы оптимизации — Дэвид Люнбергер
  5. Линейное программирование — Вацлав Хватал

Математическое моделирование

  1. Математическое моделирование — Марк Меершарт
  2. Моделирование систем — А. А. Самарский, А. П. Михайлов
  3. Математические модели в биологии — Эллнер, Гукенхаймер
  4. Математическое моделирование в механике — А. К. Фаулер

Дифференциальные уравнения

  1. Уравнения математической физики — В. С. Владимиров
  2. Дифференциальные уравнения — В. И. Арнольд
  3. Обыкновенные дифференциальные уравнения — Э. Камке
  4. Дифференциальные уравнения и их приложения — Мартин Браун

Теория вероятностей и стохастика

  1. Теория вероятностей — А. Н. Колмогоров
  2. Вероятность и статистика — Моррис Дегрут, Марк Шервиш
  3. Стохастические процессы — Шелдон Росс
  4. Стохастический анализ для финансов — Стивен Шрив

Data Science и машинное обучение

  1. Элементы статистического обучения — Хасти, Тибширани, Фридман
  2. Распознавание образов и машинное обучение — Кристофер Бишоп
  3. Машинное обучение: вероятностный подход — Кевин Мёрфи
  4. Data Science с нуля — Джоэл Грус

Прикладная математика в физике и инженерии

  1. Математические методы для физиков — Арфкен, Вебер
  2. Высшая математика для инженеров — Эрвин Крейсиг
  3. Прикладная математика — Дж. Дэвид Логан

Двухуровневое программирование (Bilevel Programming): оптимизация иерархических систем

Классические задачи математического программирования подразумевают наличие единого лица, принимающего решения, которое полностью контролирует все переменные системы. Однако в макроэкономике, налоговом регулировании и проектировании цепей поставок власть часто разделена между независимыми уровнями. Государство устанавливает налоги, а корпорации, реагируя на них, максимизируют свою прибыль. Транспортная компания устанавливает тарифы на проезд по платной магистрали, а водители выбирают кратчайший путь. Для аналитического моделирования таких вложенных конфликтов было создано Двухуровневое программирование (Bilevel Programming) — математический аппарат, где одна задача оптимизации встроена в ограничения другой задачи оптимизации.

Подробнее

Задача коммивояжера с временными окнами (TSPTW): динамическое программирование и эвристики

Классическая задача коммивояжера (TSP) требует найти кратчайший замкнутый маршрут через заданное множество городов. Однако в современной логистике, обслуживании банкоматов и доставке грузов дронами простого учета расстояния недостаточно. Клиенты требуют прибытия курьера строго в оговоренные интервалы времени (например, с 14:00 до 16:00). Введение этих временных ограничений порождает Задачу коммивояжера с временными окнами (Traveling Salesman Problem with Time Windows, TSPTW). Это алгебраическое усложнение делает задачу асимметричной и превращает поиск допустимого решения (не говоря уже об оптимальном) в сложнейший вызов для алгоритмов исследования операций.

Подробнее

Геометрическое программирование: оптимизация позиномов и проектирование инженерных систем

Среди бесчисленного множества методов нелинейной оптимизации геометрическое программирование (ГП) занимает совершенно особое место благодаря своей уникальной алгебраической структуре. Зародившись в 1960-х годах благодаря трудам Ричарда Даффина, Элмора Петерсона и Кларенса Зинера, этот метод был специально создан для решения сложных инженерных задач проектирования. В то время как большинство нелинейных моделей страдают от проблемы локальных минимумов, геометрическое программирование с помощью элегантных логарифмических преобразований переводит невыпуклые физические уравнения в класс строго выпуклых задач, гарантируя нахождение абсолютно идеального глобального оптимума при проектировании микросхем, авиационных двигателей и химических реакторов.

Подробнее

Квадратичное программирование с квадратичными ограничениями (QCQP): полуопределенная релаксация

Базовое квадратичное программирование произвело революцию в портфельной теории, но его классическая формулировка допускает лишь линейные ограничения. В инженерном проектировании, обработке сигналов, задачах локации и оптимальном распределении потоков мощности в электросетях (Optimal Power Flow) сами физические законы (например, закон Ома или расчеты евклидовых расстояний) накладывают на переменные нелинейные, квадратичные ограничения. Задача квадратичного программирования с квадратичными ограничениями (QCQP) является одним из самых мощных, но одновременно и самых вычислительно сложных классов задач оптимизации. Ее решение требует применения виртуозных алгебраических релаксаций и передовых методов выпуклого анализа.

Подробнее

Стохастическое программирование: оптимизация с вероятностными ограничениями (Chance-Constrained)

Традиционное стохастическое программирование опирается на сценарии и усреднение целевой функции, однако в некоторых критических отраслях, таких как ядерная энергетика, авиация или банковский риск-менеджмент, усреднение неприемлемо. Инженерам и финансистам требуется математическая гарантия того, что система выдержит экстремальные нагрузки с надежностью, близкой к абсолютной (например, 99.99 процентов). Для формулирования таких жестких требований в 1959 году Абрахам Чарнес и Уильям Купер разработали метод оптимизации с вероятностными ограничениями (Chance-Constrained Programming). Этот аппарат позволяет интегрировать статистическую надежность непосредственно в систему неравенств линейного или нелинейного программирования.

Подробнее

Теория массового обслуживания: сети поллинга (Polling Systems) и оптимизация циклического опроса

В современных телекоммуникационных сетях, производственных роботизированных ячейках и системах управления дорожным движением часто встречается ситуация, когда один единственный обслуживающий ресурс должен поочередно обходить несколько независимых очередей. В теории массового обслуживания такой класс математических моделей получил название сетей поллинга (Polling Systems) или систем с циклическим опросом. Главная аналитическая проблема здесь заключается в расчете задержек, возникающих не только из-за времени самого обслуживания заявок, но и из-за времени переключения сервера между различными очередями. Оптимизация порядка обхода и дисциплин обслуживания в таких системах критически важна для предотвращения фатальных перегрузок в локальных сетях (LAN).

Подробнее

Цепи Маркова с непрерывным временем (CTMC) и дифференциальные уравнения Колмогорова

Классические цепи Маркова оперируют дискретным временем, где система совершает скачки из состояния в состояние строго по тактам таймера. Однако физические процессы разрушения материалов, поступление вызовов на телефонную станцию или химические реакции происходят в непрерывном потоке времени. Для строгой математической формализации таких явлений исследование операций применяет аппарат цепей Маркова с непрерывным временем (Continuous-Time Markov Chains, CTMC). Переход от матриц переходных вероятностей к матрицам интенсивностей позволяет связать теорию вероятностей с мощнейшим аппаратом дифференциальных уравнений, превращая стохастический хаос в предсказуемые аналитические траектории.

Подробнее

Оптимизация на графах: задача о максимальном потоке минимальной стоимости (Min-Cost Max-Flow)

В классических транспортных сетях часто возникает необходимость не просто передать максимальный объем ресурса от источника к стоку, но и сделать это с минимальными финансовыми затратами. Каждая транзитная магистраль обладает не только физическим лимитом пропускной способности, но и удельным экономическим тарифом за перекачку единицы груза. Задача о максимальном потоке минимальной стоимости (Min-Cost Max-Flow) объединяет в себе топологическую сложность теории графов и финансовую логику транспортной задачи линейного программирования. Ее математический аппарат позволяет виртуозно балансировать между пропускной способностью узких мест логистической цепи и стоимостью их эксплуатации, находя абсолютно идеальный экономический оптимум для глобальных инфраструктурных проектов.

Подробнее

Комбинаторная оптимизация на графах: максимальные клики и независимые множества

В теории графов и исследовании операций задачи анализа социальных сетей, распределения радиочастот, биоинформатики и кластеризации данных часто сводятся к поиску специфических топологических подструктур: клик и независимых множеств. Клика — это подмножество вершин графа, в котором абсолютно каждая вершина напрямую связана ребром с каждой другой вершиной этого подмножества (идеально сплоченная группа, где все знают всех). Независимое множество — это полная противоположность: подмножество вершин, в котором нет ни одной связи друг с другом. Несмотря на кажущуюся визуальную и математическую простоту формулировок, поиск максимальной клики или максимального независимого множества относится к классу NP-полных (и даже трудно аппроксимируемых) задач дискретной оптимизации.

Подробнее

Многомерная задача о рюкзаке (MKP): суррогатная релаксация и агрегация ограничений

Классическая задача о рюкзаке, решаемая методами динамического программирования за псевдополиномиальное время, оперирует лишь одним физическим ограничением (например, максимальным весом или объемом). Однако в реальных задачах логистики, капитального бюджетирования, загрузки трансатлантических судов и распределения виртуальных машин в облачных кластерах объекты обладают сразу множеством критических параметров: весом, габаритами, потреблением электроэнергии, вычислительной мощностью. Так в исследовании операций возникает Многомерная задача о рюкзаке (Multidimensional Knapsack Problem, MKP) — одна из самых математически непреклонных и вычислительно ресурсоемких NP-трудных задач комбинаторной оптимизации.

Подробнее
Subscribe to this RSS feed

Соц. сети