Цифра: Машинное и глубокое обучение в задачах комбинаторной оптимизации - видео

Имеет ли всё же симплекс-метод экспоненциальную временную сложность? Что такое сглаженный анализ? Почему NP-трудные задачи это плохо? Какие задачи можно описать в рамках смешанного целочисленного линейного программирования? Как справиться с MILP-задачами в отсутствие GUROBI и CPLEX?

Это лишь часть вопросов, которые поднимает в своём выступлении на TechTalks Александр Подвойский, ex-ведущий специалист по анализу данных в Цифровой Индустриальной Платформе.

Один из ответов — в собственном менеджере эвристик ZyOpt. Александр расскажет об эффективной комбинации подходов к построению частично-заданных решений, вычислительных экспериментах и снижении временных затрат. И не только.

А ещё — ответит на вопросы. Быть может, среди них есть и ваш?

Узнать больше о решениях Группы компаний «Цифра»: www.zyfra.com/ru/