Main menu

Ричард Эрнест Беллман

Даты жизни: 1920 — 1984

Сфера интересов: Математическое программирование, Теория управления, Информатика

Страна: США

Главный вклад: Создатель динамического программирования, формулировка уравнения Беллмана, введение термина «проклятие размерности».

Подробнее

Метод ветвей и цены (Branch-and-Price): генерация столбцов в целочисленном программировании

Метод ветвей и цены (Branch-and-Price, B&P) — это передовая вычислительная парадигма для решения огромных задач смешанно-целочисленного линейного программирования (MILP), которая элегантно объединяет структуру алгоритма ветвей и границ (Branch-and-Bound) с техникой генерации столбцов (Column Generation). Эта технология стала спасением для логистической и транспортной индустрии, позволяя оптимально решать проблемы составления расписаний для сотен самолетов, тысяч экипажей поездов и маршрутизации глобальных грузоперевозок.

Подробнее

Глобальная оптимизация: интервальный анализ и методы гарантированного поиска

Глобальная оптимизация сложных, сильно нелинейных и невыпуклых функций долгое время считалась "алхимей" численных методов. Эвристические алгоритмы (генетические алгоритмы, отжиг) способны находить хорошие локальные минимумы, но никогда не дают 100% математической гарантии того, что найденное решение действительно является глобальным. Интервальный анализ (Interval Analysis) — это принципиально иной математический аппарат, предоставляющий абсолютные, аналитически доказанные гарантии нахождения всех глобальных экстремумов в заданной области поиска, что критически важно в робототехнике, химической кинетике и проектировании систем жизнеобеспечения.

Подробнее

Робастная оптимизация: модели неопределенности и алгоритмы гарантированного поиска

Робастная оптимизация (Robust Optimization) представляет собой современную парадигму математического программирования, направленную на решение задач в условиях "жесткой" параметрической неопределенности. В отличие от стохастического программирования, где случайные факторы описываются точными распределениями вероятностей, робастная оптимизация исходит из предположения, что известны лишь границы (множества), в которых могут колебаться входные данные. Цель — найти "гарантированное" решение, которое останется допустимым и оптимальным при любой (даже наихудшей) реализации параметров из заданного множества неопределенности.

Подробнее

Соц. сети