Matematik och algoritmer för intelligent beslutsfattande

Möte i ett modernt kontorsrum.
gorodenkoff

Det finns stor potential i att använda matematik och algoritmer för att stödja beslutsfattande i komplexa sammanhang. Vi arbetar främst med diskret optimering för beslutsproblem som syftar till att schemalägga eller allokera resurser. I våra forskningsprojekt söker vi nya sätt att förbättra beslutsfattande genom optimering och utvecklar effektivare metoder för att lösa optimeringsproblem. 

Artificiell intelligens.

Tack vare digitaliseringen så har vi en hög mognadsnivå både när gäller tillgången på data som kan användas för beslutsfattande och med avseende på förmågan att utvinna relevant information ur den. Tillsammans med utvecklingen inom data science så utgör optimering— när det används för beslutsstöd – en avgörande komponent i utvecklingen av verktyg för att stödja avancerat beslutsfattande. Den ständigt ökande storskaligheten och komplexiteten hos de problem som är relevanta att lösa skapar ett behov av forskning för att utveckla de matematiska och algoritmiska grunderna inom optimering. 

Intelligent beslutsfattande

Vi tror på att verkligt intelligent beslutsfattande bygger på att modellbaserade och datadrivna metoder integreras och designas eller används i interaktion med en mänsklig beslutsfattare. För att använda matematik och algoritmer på ett bra sätt i verkliga beslutssituationer så krävs omsorgsfull matematisk modellering och inhämtande av data. En inneboende egenskap hos många praktiskt relevanta beslutsproblem är att de skapar beräkningsmässiga utmaningar. För att lösa sådana problem med rimlig beräkningskraft krävs oftast att man utvecklar metoder som utnyttjar de matematiska strukturerna hos problemet.

Mer om projektet

I omställningen mot en mer hållbar användning av resurser så är vårt bidrag att utveckla matematiska modeller och optimeringsmetoder för praktiskt relevanta men beräkningskrävande problem inom schemaläggning och resursallokering.

Diskret optimering

Det finns många typer av beslutsproblem som syftar till att schemalägga eller allokera resurser, och de är typiskt lämpade att formulera som diskreta optimeringsproblem. De flesta praktisk relevanta diskreta optimeringsproblemen är NP-svåra. Det innebär att tiden det tar att lösa dem växer exponentiellt med problemstorleken. En konsekvens av detta är att även de allra bästa generella optimeringsprogramvarorna kan misslyckas med att lösa ett problem trots tillgång på veckor, eller till och med tusentals år, av beräkningstid.
Under de senaste decennierna har det skett en imponerande utveckling av metoder för att lösa diskreta optimeringsproblem. Tack vare detta kan vi idag lösa många viktiga planerings- och schemaläggningsproblem rimliga beräkningsresurser – men det finns också ett stort antal praktiskt relevanta problem som är enormt utmanande eller i dagsläget omöjliga att lösa.

Organisation

Forskningsinriktningen, tidigare kallad Optimeringsmetodik för schemaläggnings- och resursallokeringsproblem har byggts upp genom stöd från Center for Industrial Information Technology (CENIIT) och har sin hemvist på avdelningen för Tillämpad matematik (TIMA) vid Matematiska institutionen (MAI). Ledare för gruppen är Elina Rönnberg.

Några av våra tillämpade projekt och doktorandprojekt presenteras i listan över forskningsprojekt nedan. 

Pågående projekt

Tidigare projekt

Kontakt

Forskare

Samarbeten och gemensamma handledarskap

Forskningsområde