研究& Innovation

高风险业务:工业和研究专家随机研究不确定性地址

达林卡·丹切瓦开发数学模型,以方便在不确定的情况下做出更好的决策

决策不确定性下的姿势,可以拼出一个company's,甚至是军事行动或government's,成功或失败之间的差异巨大的风险。

为了应对这些不确定性,数学家正在开发随机优化模型和方法,它考虑随机变量和统计模型,以考虑不确定参数或数据,并最大限度地提高成功的在这种不明朗的情况的机会。这项工作是一个例子 应用数学 - 也就是说,被应用到现实世界的情景数学。

达林卡·丹切瓦,教授和主席 数学科学系 在bt356体育,研究和开发随机优化模型以及各种应用。在过去的12年中,她已经收到了五笔赠款来自美国国家科学基金会支持的各方面的发展中规避风险的最优化理论

随机优化领域超过60年前诞生,但直到最近几年,它集中表现平平。出的一个需要解决的问题,并在财务稳健预测,在随机优化的新领域又出现了:如何建模和量化风险。还有,可以有破坏性的影响一些罕见的事件,在这些情况下的风险模型的仔细考虑是至关重要的。自成立以来,该地区已扩大到告知各种业务和工程应用,数据管理,甚至环境保护,许多其他专业领域中。在任何问题,其中也存在着风险和不确定性,随机优化可以帮助研究人员和行业领袖做出最好的决定可能。

“在我们的世界上最实用的应用程序,如果你想创建某些系统模型,并促进最佳的决策,那么你会发现,大多数有进入该模式是不知道的参数或元素,” dentcheva解释。 “一个很好的模式是不完全确定的;有在数学方面有一些随机的因素。”

作为一个例子,dentcheva涉及她在vereinigte energiewerke AG(VEAG)工作,大型电力公司在德国拥有约40家工厂,在那里她花了两年时间开发其电力生产的优化模型。她的模型需要满足行业和人群的需求不确定性。而dentcheva负责开发利用的理论和随机优化方法的模型,该行业是负责确保该模型是实用,足以满足他们的需求。

“我们必须要知道我们的目标是,根据这一点,确定最佳的操作过程是什么,”她说。 “在动力系统,我们不仅考虑的行动,短期目标当前课程,但我们也期待与行动的战略方向和长期目标,以平衡它。”

随机优化模型是根本 机器学习 并且,更普遍, 人工智能,dentcheva解释。随机风险敏感型模型能够产生强大的估计和预测,因为他们考虑到的数据帐户的变化和未知。 “在这个意义上,我希望这些模型将发挥在机器学习新方法的作用,”她说。

“我的区域包括非常理论和高度复杂的数学工具的理论基础上有效的数值方法的发展,他们的真实生活系统的应用和实施。一个可以验证一个理论,看看它在现实的冲击“。

她补充说,“这是你真的需要有想象力的领域,所以我喜欢这一点。”

在搜索清晰雅致的答案

dentcheva度过了她的高中岁月致力于数学,在那里她有一个有竞争力的一面。她保加利亚的祖国,她解释说,有数学竞赛的传统。有她参加她的高中队,赢得了全国比赛一等奖。同年,她在合格了保加利亚队的国际奥林匹克。 “所以我自动接受学习数学,”她在德国柏林洪堡大学说,她的教育更高。

“我喜欢数学,因为它总是清楚是否[答案]正确与否,”她说。 “我有不同的利益。我喜欢文学,我有音乐课,我喜欢生物也,但对于我来说,文学和艺术总是主观偏好的问题。在数学上,这是很容易对一个美丽的结果没有异议。”

dentcheva喜悦的创造力,复杂性,和数学的可能性。 “数学是在推进技术不可缺少的,”她补充说,“是不是很漂亮,数学?它很美丽。”

了解更多关于bt356体育应用数学: