EL OBJETIVO DE ESTE PROYECTO ES FUSIONAR LOS PARADIGMAS DE LA OPTIMIZACION MATEMATICA Y LA CIENCIA DE DATOS PARA DAR UN PASO ADELANTE EN LA RESOLUCION EFICIENTE DE MODELOS DE OPTIMIZACION NO LINEAL ENTERA MIXTA (MINLO) UTILIZANDO...
ver más
Fecha límite participación
Sin fecha límite de participación.
Financiación
concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto
el día 2023-01-01
No tenemos la información de la convocatoria
0%
100%
Información adicional privada
No hay información privada compartida para este proyecto. Habla con el coordinador.
¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video
Proyectos interesantes
SIPA
Semidefinite Programming with Applications in Statistical Le...
1M€
Cerrado
MTM2008-03032
LOCALIZACION CONTINUA. NUEVAS APLICACIONES, MODELOS Y ALGORI...
19K€
Cerrado
PID2019-110886RB-I00
MATHEMATICAL OPTIMIZATION FOR DATA-DRIVEN DEICSION-MAKING
97K€
Cerrado
POEMA
Polynomial Optimization Efficiency through Moments and Alge...
4M€
Cerrado
RTI2018-097580-B-I00
MODELIZACION Y OPTIMIZACION DE PROBLEMAS ESTRUCTURADOS DE GR...
83K€
Cerrado
JDC2023-050674-I
Explainable additive models via mathematical optimization
72K€
Cerrado
Fecha límite de participación
Sin fecha límite de participación.
Descripción del proyecto
EL OBJETIVO DE ESTE PROYECTO ES FUSIONAR LOS PARADIGMAS DE LA OPTIMIZACION MATEMATICA Y LA CIENCIA DE DATOS PARA DAR UN PASO ADELANTE EN LA RESOLUCION EFICIENTE DE MODELOS DE OPTIMIZACION NO LINEAL ENTERA MIXTA (MINLO) UTILIZANDO MODELOS ADITIVOS CON RESTRICCIONES. POR TANTO, CAMGO ABORDA UN TEMA DE VANGUARDIA Y FOMENTA EL CONOCIMIENTO COMBINANDO LOS MARCOS TEORICOS DE AMBAS DISCIPLINAS. LA HIPOTESIS DE PARTIDA ES QUE, DADO UN MINLO GENERAL, SE PUEDE OBTENER UN MODELO SURROGADO QUE LO APROXIME UTILIZANDO TANTO TECNICAS DE REFORMULACION COMO MODELOS ADITIVOS CON RESTRICCIONES QUE TENGAN UNA FORMA SENCILLA, POR EJEMPLO, QUE ESTEN DEFINIDOS POR UN NUMERO REDUCIDO DE PARAMETROS O QUE SEAN SEPARABLES, PARA OBTENER FORMULACIONES MAS MANEJABLES EN LA PRACTICA. ADEMAS, CUANDO SEA POSIBLE, LOS MINLO SURROGADOS PUEDEN PERMITIRNOS DEDUCIR PROPIEDADES MATEMATICAS SOBRE LA RELACION ENTRE LAS SOLUCIONES OPTIMAS DE AMBOS PROBLEMAS, ES DECIR, EL MINLO ORIGINAL Y SU APROXIMADO. TENIENDO ESTO EN CUENTA, ESTE ENFOQUE ESTABLECE UN NUEVO PUNTO DE PARTIDA PARA SEGUIR MEJORANDO LOS ALGORITMOS DE OPTIMIZACION GLOBAL MEDIANTE LA OBTENCION DE LIMITES MAS ESTRICTOS PARA LA SOLUCION OPTIMA DEL PROBLEMA ORIGINAL EN UN ALGORITMO BRANCH-AND-BOUND.PARA LLEVAR A CABO ESTE PROYECTO, SE NECESITAN CONOCIMIENTOS DE PROGRAMACION MATEMATICA, PERO TAMBIEN UNA GRAN EXPERIENCIA EN MODELIZACION ESTADISTICA Y APRENDIZAJE AUTOMATICO PARA COMPRENDER COMO LAS FUNCIONES COMPLEJAS O DE "CAJA NEGRA" EN UN MINLO GENERAL PUEDEN APROXIMARSE MEDIANTE OTRAS FUNCIONES DE TAL MANERA QUE SE SATISFAGAN PROPIEDADES DESEABLES, COMO QUE VERIFIQUE LAS RESTRICCIONES DE FORMA RELACIONADAS CON LA MONOTONICIDAD O LA CURVATURA, QUE SOBREESTIME/SUBESTIME LA FUNCION ORIGINAL, QUE IMPLIQUE UN NUMERO BAJO DE VARIABLES O QUE SE CONSTRUYA A PARTIR DE UNA FUNCION BASE DE CONJUNTO DISPERSO (DE BAJO RANGO) DE BAJO GRADO. PARA ALCANZAR ESTE OBJETIVO, SE ESTUDIARA EL PROBLEMA DE SELECCION DE VARIABLES EN MODELOS ADITIVOS CON RESTRICCIONES DE FORMA Y LA SELECCION DEL NUMERO Y LOCALIZACION DE LOS PUNTOS DE CAMBIO (NODOS) EN SU ESTIMACION, CON EL FIN DE OBTENER FORMULACIONES DE PROGRAMACION MATEMATICA Y METODOS DE RESOLUCION ADECUADOS A DICHOS PROBLEMAS. ESTAS METODOLOGIAS SE UTILIZARAN PARA EL DISEÑO DE UN ALGORITMO LEXICOGRAFICO QUE PERMITA OBTENER MINLOS SURROGADOS QUE VERIFIQUEN PROPIEDADES MATEMATICAS QUE PUEDAN SER EXPLOTADAS PARA ASI DERIVAR RELACIONES ENTRE LA SOLUCION OPTIMA DEL MINLO ORIGINAL Y SU HOMOLOGO SUSTITUTO. OPTIMIZACION NO LINEAL ENTERA MIXTA\MATEHEURISTICAS\MODELOS ADITIVOS