Abstract
Het efficiënt oplossen van extreem grote optimalisatieproblemen is ongetwijfeld zeer belangrijk voor
de wetenschap en technologie. Vele optimalisatieproblemen kunnen geformuleerd worden aan de
hand van een onderliggende netwerk structuur. De optimale bezetting van een bemanning op een
vluchtschema, bijvoorbeeld, kan geformuleerd worden als een optimalisatieprobleem over een zeer
grote graf. 'Constraint' gebaseerd modeleren van biochemische netwerken leidt op een gelijkaardige
manier tot optimalisatieproblemen met miljoenen onbekenden. Een netwerk structuur induceert
typisch ook een handige structuur in de 'constraints', die dan uiteraard uitgebuit kunnen worden door
goed gekozen lineaire algebra technieken. Huidige off-the-shelf software is niet is staat zulke
problemen op te lossen wanneer het aantal variabelen zeer groot is, zeker indien de kostfunctie niet
convex is en mogelijks een niet-gladde term bevat. Er is dus een nood op hoog-performante
algoritmes te ontwikkelen die structuur uitbuiten. In dit project willen we een brede waaier aan
efficiënte optimalisatie algoritmes ontwikkelen voor zowel convexe als niet-convexe problemen, die
mogelijk een niet-gladde term bevatten, door de netwerk structuur uit te buiten. Hoog-performante
implementaties zullen ter beschikking worden gesteld in een open-source software pakket, zodanig
dat niet-experten er ook gebruik van kunnen maken.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)