Машинное и глубокое обучение в задачах комбинаторной оптимизации

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»: