Заседания семинаров
В. А. Топчий, А. В. Еремеев
Пошаговая асимптотика в генетических алгоритмах, основанная на распределении Гумбеля.
Аннотация
Отличительной особенностью эволюционных алгоритмов (ЭА) для решения задач оптимизации является имитация случайного процесса эволюционной адаптации биологической популяции к условиям окружающей среды. Особи соответствуют пробным точкам в пространстве решений задачи оптимизации, а приспособленность особей определяется значениями целевой функции. Построение новых пробных точек в ЭА осуществляется посредством операторов мутации и кроссинговера. При использовании кроссинговера алгоритмы принято называть генетическими. Множество бинарных векторов называется популяцией, а его элементы - особями. Первичные исследования новых ЭА традиционно проводятся для onemax весовой функции $f(x)=|x|$. Это одноэкстремальная задача. В генетическом алгоритме $(1+(\lambda,\lambda))$ из работы (Doerr, Doerr, Ebel, 2015) единственная родительская особь порождает $\lambda=\lambda(n)\to\infty $ потомков независимо друг от друга на случайном расстоянии Хэмминга $\ell$ от родителя, а затем одна из них с максимальным весом кроссинговером (каждый его бит сохраняется с вероятностью $\lambda^{-1}$, иначе берётся бит родителя) с родителем порождает $\lambda$ потомков независимо друг от друга, из которых выбирается наилучший. Если она не хуже родителя, то становится новым родителем и независимо от истории запускается новый цикл до попадания в оптимальный вектор, иначе родитель не изменяется и начинается новый цикл. Одна из проблем: найти оценки для среднего числа вычислений целевой функции. Традиционно описывается вероятность увеличения нормы родителя за один цикл и в их терминах производятся требуемые оценки. Мы предлагаем учесть величину приращения нормы Хемминга для нового родителя на основе предельных теорем, включая сходимость к распределению Гумбеля для максимума случайных величин. Это позволяет усилить некоторые имевшиеся ранее результаты.Петракова Виктория Сергеевна; Соавтор: Шайдуров Владимир Викторович
Новый метод коррекции параметров динамических эпидемиологических моделей.
Аннотация
В докладе будет представлен метод восстановления параметров динамической модели, если модель описывается системой обыкновенных дифференциальных уравнений с числом параметров в правой части, превышающим число искомых функций. Для определения параметров, во-первых, строится неопределенная система алгебраических уравнений с прямоугольной матрицей, которая получается в результате аппроксимации системы дифференциальных уравнений с учетом известных значений функций, заданных в два последовательных момента времени. Во-вторых, задействовано свойство плавного изменения параметров во времени для динамических моделей, описывающих реальность. Одновременная минимизация невязки для недоопределенной системы и суммы квадратов разностей параметров в два последовательных момента времени приводит к регуляризованной системе линейных алгебраических уравнений с положительно определенной матрицей и с единственным решением. Будет представлено сравнение работы метода сравнивается с другим методом решения обратной задачи восстановления параметров в рамках эпидемиологической модели SEIR-HCD.к.ф.-м.н. Нечесов Андрей Витальевич
Обсуждение работ поданных на конференцию по искусственному интеллекту https://MathAI.club.
Google meet
К. Б. Кутбаев
Моделирование узлов и зацеплений в пространствах постоянной кривизны (кандидатская диссертация, научный руководитель – д.ф.-м.н., проф. А. Д. Медных)
Аннотация
Диссертация посвящена моделированию узлов и зацеплений в пространствах постоянной кривизны. Основная часть содержит три главы. В первой главе изучаются условия существования геометрических структур над двумостовыми узлами в пространствах постоянной кривизны и точная аналитическая формула для гиперболического объема их конических многообразий. Во второй главе представлены условия существования конического многообразия над узлом трилистник с одним мостом в евклидовом и гиперболическом пространствах и их объемы. В третьей главе моделируется зацепление $6_{1}^3$ в пространстве Лобачевского. В дополнении третьей главы представлен результат о рациональности порождающей функции для числа корневых остовных лесов в циркулянтных графах.А. Н. Глебов
Экстремальные графы для задачи о коалиционном доминировании.
Defeng Sun (DAO lab, NEU China)
Combinatorial Benders approach to solve the Quay Crane Scheduling Problem.
В Институте математики СО РАН проходят около 30 семинаров по разным направлениям математики.
На наших семинарах выступают с докладами не только научные сотрудники института, но и приглашенные докладчики со всего мира.
Семинары проводятся как очно, так и на онлайн-платформах: Zoom, Google Meet, YouTube, Jitsi.
