Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.

  • A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
Partitioning vertices of graphs into paths of the same length

Duginov O., Dmitriy Malyshev, Dmitriy Mokeev

Discrete Applied Mathematics. 2025. Т. 373. С. 179-195.

Глава в книге
ALOE: Boosting Large Language Model Fine-Tuning with Aggressive Loss-Based Elimination of Samples

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

In bk.: Frontiers in Artificial Intelligence and Applications: 27th European Conference on Artificial Intelligence, 19–24 October 2024, Santiago de Compostela, Spain. Vol. 392. IOS Press Ebooks, 2024. P. 3980-3986.

Препринт
The Gamma-Theta Conjecture holds for planar graphs

Taletskii D.

math. arXiv. Cornell University, 2024

Контакты

603093 Н.Новгород, ул. Родионова, д. 136, 406 к.

Тел: (831) 436-13-97
E-mail: kaf_pmi@hse.ru

Научно-исследовательский семинар "Современные задачи исследования операций"

2020/2021
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты

Преподаватели

Программа дисциплины

Аннотация

Научный семинар является важным элементом профессиональной подготовки магистра программы "интеллектуальный анализ данных". Семинар предназначен для развивая у студентов навыков критического мышления на примере задач и проблем исследования операций.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью научного семинара является приобретение студентами следующих навыков: - математического моделирования реальных проблем - научного анализа проблем методами исследования операций - разработки подходов и методов решения, - критического осмысления результатов
Планируемые результаты обучения

Планируемые результаты обучения

  • уметь моделировать реальные явления с помощью теории игр
  • уметь вычислять равновесие по Нэшу в конечных матричных играх многих лиц
  • уметь моделировать и решать задачу дележа для кооперативных игр
  • Уметь представлять научную проблему, анализировать ее, представлять подходы и методы решения
  • уметь критически оценивать результаты научного исследования, анализировать содержание и значимость научных результатов.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • модели теории игр
    1. Разрешение конфликтов. Модель теории игр, где все участники принимают решение независимо. Равновесие по Нэшу. 2. Смешанные стратегии Равновесие по Нэшу в смешанных стратегиях. Теорема существования. 3. Необходимые и достаточные условия равновесия по Нэшу в смешанных стратегиях. Алгоритмы вычисления равновесий. Вычислительная сложность задачи вычисления равновесия. 4. Кооперативные (коалиционные) игры. Коалиции, функция выигрыша. Дележи. 5. Дележи, которые не отвергаются никакой коалицией, ядро игры. Свойства ядра: замкнутое, ограниченное, выпуклое множество с конечным набором крайних точек. 6. Примеры, когда ядро пусто. Проблема существования ядра. Супермодулярные (выпуклые) игры. 7. Построение крайних точек ядра игры для супермодулярных игр. Доказательство их принадлежности ядру. Примеры. 8. Вектор Шепли как решение коалиционной игры. Формулы и интерпретация вектора Шепли. Свойства вектора Шепли. 9. Потоки в сетях. Дележи в сетях. Существования ядра. Минимальные разрезы и дележи ядра.
  • Научные доклады студентов по темам ВКР
    Каждый студент должен представить свою тему выпускной квалификационной работы (ВКР), рассказать о своей задаче, подходах к ее решению, ожидаемых или уже полученных результатах. Представление темы должно быть понятно и интересно участникам семинара. Содержание доклада (рекомендуется) 1. Актуальность и важность общей темы 2. Конкретная задача 3. Известные подходы к решению (обзор литературы) 4. Предлагаемый подход 5. Ожидаемые результаты Каждый студент так же является рецензентом по одному из докладов (не по своему). Роль рецензента: активное участие в обсуждении темы во время доклада, выделение положительных и отрицательных сторон доклада. Рецензент знакомится с темой доклада заранее. Во время доклада показывает свое понимание темы и доклада.
Элементы контроля

Элементы контроля

  • неблокирующий контрольная работа
  • неблокирующий доклад
  • неблокирующий активность на занятиях
  • неблокирующий контрольная работа
  • неблокирующий доклад
  • неблокирующий активность на занятиях
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (3 модуль)
    0.1 * активность на занятиях + 0.7 * доклад + 0.2 * контрольная работа
Список литературы

Список литературы

Рекомендуемая основная литература

  • Mazalov, V. V. (2014). Mathematical Game Theory and Applications. Chichester, West Sussex: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=817776
  • Provost, Foster, Fawcett, Tom. Data Science for Business: What you need to know about data mining and data-analytic thinking. – " O'Reilly Media, Inc.", 2013.
  • Tavana, M., & Patnaik, S. (2018). Recent Developments in Data Science and Business Analytics : Proceedings of the International Conference on Data Science and Business Analytics (ICDSBA- 2017). Cham, Switzerland: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1743510

Рекомендуемая дополнительная литература

  • Courgeau, D. (2012). Probability and Social Science : Methodological Relationships Between the Two Approaches. Dordrecht: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=523080
  • Foster, I., Ghani, R., Jarmin, R. S., Kreuter, F., & Lane, J. I. (2017). Big Data and Social Science : A Practical Guide to Methods and Tools. Boca Raton: Chapman and Hall/CRC. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1353316
  • Kotu, V., & Deshpande, B. (2019). Data Science : Concepts and Practice (Vol. Second edition). Cambridge, MA: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1866160
  • McEachern, A. (2017). Game Theory : A Classical Introduction, Mathematical Games, and the Tournament. [San Rafael, California]: Morgan & Claypool Publishers. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1544420
  • Ravindran, A. (2008). Operations Research and Management Science Handbook. Boca Raton: CRC Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=209433
  • Vanderplas, J.T. (2016). Python data science handbook: Essential tools for working with data. Sebastopol, CA: O’Reilly Media, Inc. https://proxylibrary.hse.ru:2119/login.aspx?direct=true&db=nlebk&AN=1425081.