运筹学与最优化方法_【DMC第三讲】最优化方法与图论

DMC第三讲

时间：4月3日周五 18:00~20:00

腾讯会议ID：895 181 947

最优化方法&图论

    我们的生活中常常遇到优化问题，比如会思考“在一定条件下，如何使利润最大化”等。最优化方法是一种数学方法，它是研究(在给定约束下)如何寻求某些因素，以使某一或某些指标达到最优的方法的统称。今天，我们将从机器学习和运筹两个角度带大家探寻优化问题的前世今生，与此同时也将介绍数据结构和算法学中最强大的框架-图论。

主要内容

1

梯度下降算法

梯度下降算法是最为常用的优化问题求解算法之一，经过了数十年的发展，其在基本的SGD模型的基础上不断改进，增加了引入动量的动量法、对参数使用自适应学习率的Ada家族等。近两年，关于梯度下降算法模型的理解和改进仍在不断进行，我们将从最初的SGD算法开始，讲解梯度下降算法的改进过程，并着重介绍近几年最新的改进思路。

2

图论

图(graph)近来正逐渐变成机器学习的一大核心领域，比如你可以通过预测潜在的连接来理解社交网络的结构、检测欺诈、理解汽车租赁服务的消费者行为或进行实时推荐。图论〔Graph Theory〕是数学的一个分支。它以图为研究对象。我们将介绍图论的基本概念：图是什么，图的基本类型与性质，如何表示与存储图；以及经典的图算法：图的搜索算法、寻路算法以及拓扑排序算法

3

动态规划

动态规划是运筹学的一个分支，是求解决策过程最优化的数学方法。美国数学家R.E.Bellman等人在20世纪五十年代把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解，创立了解决这类过程优化问题的新方法--动态规划。我们将介绍动态规划的基本概念，包括模型及其基本特征，并通过实例介绍动态规划算法应用的整体思路。

扫码关注我们

 DMC