Наредни састанак Семинара биће одржан онлајн у уторак, 25. јуна 2024. са почетком у 14.15. У питању је Заједнички састанак са семинаром Вештачку интелигенцију.

Предавач: Angelo Sifaleras, Department of Applied Informatics, University of Macedonia, Thessaloniki, Greece

Наслов предавања: REINFORCEMENT LEARNING ENHANCED METAHEURISTICS: A CASE STUDY WITH VARIABLE NEIGHBORHOOD SEARCH

Апстракт: This presentation introduces a new hyperheuristic approach which combines Reinforcement Learning and Variable Neighborhood Search (VNS) and it is called Bandit VNS, in order to improve solutions for the Capacitated Vehicle Routing Problem (CVRP). The Multi-Armed Bandit framework, refined by the UCB algorithm, dynamically selects the most promising neighborhood structures, addressing the challenge of identifying the optimal sequence of local search operators. Adaptive Windowing enhances the system’s responsiveness to the evolving optimization landscape. Our comprehensive analysis includes evaluating various UCB algorithm modifications and incorporating parallel computing paradigms that augment Bandit VNS. Empirical validations conducted on benchmark CVRP instances highlight a 25% enhancement in solution quality when compared to the conventional General Variable Neighborhood Search method using standard library instances of medium and large size. Our research sets a precedent for future explorations into AI-driven metaheuristics, promising advancements in optimization theory and practice.

This is a joint work by: Panagiotis Kalatzantonakis, Angelo Sifaleras, and Nikolaos Samaras, all from the Department of Applied Informatics, of the University of Macedonia, Thessaloniki, Greece. The talk will mainly summarize the findings of the paper: [Kalatzantonakis P., Sifaleras A., and Samaras N., „A reinforcement learning – variable neighborhood search method for the capacitated vehicle routing problem“, Expert Systems with Applications, Elsevier, Vol. 213, Article ID 118812, 2023.], but will also discuss about potential future work.

Напомена: Регистрациона форма за учешће на Семинару је доступна на линку:
https://miteam.mi.sanu.ac.rs/call/wnz6oyxsQsy29LfJA/MjQ__eH607WeAL9X7IFtUI98xdQQgVkp-ljiEKPPfXr

Уколико желите само да пратите предавање без могућности активног учешћа, пренос је доступан на линку:
https://miteam.mi.sanu.ac.rs/asset/YoqHWKALRkRTbK9So

Наредни састанак Семинара биће одржан онлајн у уторак, 18. јуна 2024. са почетком у 14.15.

Предавач: dr Maria Alessandra Montenegro, Факултет организационих наука

Наслов предавања: МОДЕЛ УПРАВЉАЊА РЕЗИЛИЈЕНТНОШЋУ ПРОЈЕКТА

Апстракт: Бројни поремећаји који су задесили свет последњих неколико година, попут Covid-19 пандемије, довели су до бројних оштећења организација широм света. Велики проблем уочава се у ситуацијама када у окружењу дође до појаве поремећаја кога није било могуће предвидети. За суочавање са оваквим изазовима, новија литература предлаже коришћење приступа управљање резилијентносћу пројекта. Предмет истраживања докторске дисертације је развој модела управљања резилијентношћу пројекта који представља свеобухватно решење за ефикасније управљање пројектима у ситуацијама појаве непредвидивих поремећаја. Евалуација развијеног модела рађена је кроз две фазе. Резултати истраживања су потврдили да постоји статистички значајна разлика између група испитаника на чијим су пројектима примењивани елементи предложеног модела у односу на групу испитаника на чијим пројектима исти нису примењивани. Као главни резултати истраживања наводе се да модел управљања резилијентносћу пројекта обухвата све елементе концепта управљања резилијентносћу прилагођене концепту управљања пројектом, да модел садржи методе за планирање и имплементацију одговора на непредвидиве поремећаје и методе за опоравак пројекта од дејства непредвидивих поремећаја, да модел подразумева примену у различитим доменима резилијентности пројекта и да као такавом огућава организацијама ефикасније управљање пројектима упркос појави непредвидивих поремећаја.

Напомена: Регистрациона форма за учешће на Семинару је доступна на линку:
https://miteam.mi.sanu.ac.rs/call/wnz6oyxsQsy29LfJA/MjQ__eH607WeAL9X7IFtUI98xdQQgVkp-ljiEKPPfXr

Уколико желите само да пратите предавање без могућности активног учешћа, пренос је доступан на линку:
https://miteam.mi.sanu.ac.rs/asset/YoqHWKALRkRTbK9So

Paid internship – Wärtsilä Voyage d.o.o. Belgrade

We are excited to share with you an opportunity to join our paid internship program at Wartsila Voyage d.o.o. Beograd. Wartsila is a global leader in innovative technologies and comprehensive solutions in the marine industry and energy markets. Our goal is to lead the world in the transition to decarbonization and self-sustainability. We are looking for innovative, curious, and solution-oriented students who want to develop and create change through innovation in technologies and services.

Join us if you:

• Are a final year student or master’s student at PMF, Faculty of Physics, or ETF.
• Have a basic level of knowledge of math and basic understanding of physics.
• Want to learn and apply all the knowledge acquired in the programs: Python, C++
• Fluent English
• Knowledge of algorithms and experience with Linex is a plus

As a Mathematical Modeler Trainee in a large global company, you will gain the following experience and skills:

• Development of optimization algorithms, as well as related automatic tests for the developed algorithms.
• Research and modelling of various processes related to shipping and optimization.
• Documenting the developed solutions.
• Participation in agile software development processes: planning, analysing requirements, reviewing results.

The internship program will start in July – August 2024 and will last for 6 months, partly working time.
If you are interested, please send us your CV and motivational letter in English language at the provided LINK.
We believe that this internship program will provide you with valuable skills and experiences, and we are excited to have you join us.

More about us: www.wartsila.com

Наредни састанак Семинара биће одржан онлајн у четвртак, 13. јуна 2024. са почетком у 13 часова.

Предавач: Татјана Давидовић, Mathematical Institute of the Serbian Academy of Sciences and Arts

Наслов предавања: PROOF-OF-USEFUL-WORK CONSENSUS PROTOCOL BASED ON SOLVING REAL-LIFE OPTIMIZATION PROBLEMS

Апстракт: BlockChain (BC) is a distributed database system, popular for its innovative, unsupervised maintaining process: it uses the so-called consensus protocol (CP) to avoid inference of any third party of absolute trust. As the main issues in maintaining BC, security, privacy, consistency, and energy consumption are identified. According to the recent literature, some of these issues can be formulated as Combinatorial Optimization (CO) problems, and this fact motivated us to consider incorporating the CO approaches into the BC. The main goal of this talk is to summarize the results, related to the above mentioned topic, achieved during the realization of AI4TrustBC project (2020-2023).

We proposed a new Combinatorial Optimization Consensus Protocol (COCP), based on Proof-of-Useful-Work (PoU) concept that assumes solving instances of the real-life CO problems. The main advantages of COCP are efficient utilization of computing resources, solving the real-life instances of CO problems, and providing a broad range of incentives for the various BC participants. We enumerate potential benefits of the COCP with respect to practical impacts and savings in power consumption, describe in detail some illustrative examples, and identify several challenges that should be resolved in order to implement a useful, secure, and efficient PoUW consensus protocol.

We have been developing the BC framework that combines the two above-mentioned research fields: BC and CO. It involves some basic steps toward the implementation of COCP. The first challenge to be resolved involves the existence of efficient methods for the underlying CO problems. Due to their complexity, we developed various types of heuristic methods to be utilized in the COCP. Most of these methods are problem-dependent stochastic heuristics or metaheuristics. Their usability within COCP requires careful analysis and estimation of the time necessary to provide solutions of desired quality. We proposed to apply Machine Learning techniques in this phase and to ensure fairness in the mining process. In addition, we considered the incorporation of the existing methods into our framework with an aim to spread the applicability of the proposed COCP to various CO domains. The search for the existing algorithms should be organized within CP as a part of useful work.

The presented research results were published in 2 journal articles and 5 conference papers, and have been obtained in the collaboration with:Project members: Milan Todorović, Dragan Urošević, Tatjana Jakšić-Kruger, Luka Matijević, Đorđe Jovanović (MISANU) Foreign researchers: Dušan Ramljak, Abhay Haridas, Barat Sharma (PSU) Students: Uroš Maleš (ETF), Dragutin Ostojić (PMF KG), Ognjen Nešković, Pavle Sekešan (MF).

Напомена: Предавања се могу пратити на даљину преко странице:
https://miteam.mi.sanu.ac.rs/asset/tkKTsEvjqDmEEDx9a

Наредни састанак Семинара биће одржан у среду, 12. јуна 2024, у сали 301ф Математичког института САНУ са почетком у 12 часова.

Предавач: Илијас Фарах, Research Chair in Foundations of Operator Algebras York University in Toronto, МИ САНУ

Наслов предавања: У КОЈОЈ МЕРИ ЈЕ ЕФИКАСНОСТ МАТЕМАТИКЕ У ПРИРОДНИМ НАУКАМА НЕРАЗУМНА?

Апстракт: Математичке теореме доказане из дефиниција и аксиома (које су рутински изабране по својим естетским квалитетима, а не по неком ‘објективнијем’ критеријуму) се већ вековима показују ‘неразумно ефикасним’ у природним наукама. (Претходна реченица је парафраза Е. Vигнера.) Са друге стране, физички експерименти често (емпиријски) потврђују’ математичке законе. Коначно, општеприхваћене математичке аксиоме не дају комплетан опис математичке истине (Геделова теорема, као и бројни примери независних математичких’ тврђења). Ово предавање је посвећено спекулацији која проистиче из претходних реченица и биће илустровано резултатима И. Питовског као и заједничким радом аутора и М. Магидора.

Напомена: Семинар је могуће пратити на даљину путем линка:
https://matf.webex.com/wbxmjs/joinservice/sites/matf/meeting/download/8b9fe8cfab6a4f83b1b25b586fa0f592?

Наредни састанак Семинара биће одржан онлајн у среду, 12. јуна 2024, са почетком у 19 часова.

Предавач: Дејан Грубишић, Rice University, Houston, Texas

Наслов предавања: ВЕЛИКИ ЈЕЗИЧКИ МОДЕЛИ ЗА ОПТИМИЗАЦИЈУ КОМПАЈЛЕРА

Апстракт: Компајлери су кључна компонента за повећање перформанси и ефикасности софтвера који се извршава на савременим рачунарским системима. Сложеност савремених архитектура рачунара, софтвер који се стално развија и количина рачунања која стално расте, чине да ручне оптимизације непрактичним. Да бисмо одговорили на ове изазове, користимо машинско учење (енг. Machine Learning (ML)) како бисмо препознали замршене обрасце и аутоматски прилагодили стратегије генерисања кода и оптимизације специфичним конфигурацијама хардвера, на тај начин значајно повећавајући перформансе програма. На овом предавању говоримо о употреби великих језичких модела за оптимизацију величине кода и које методе можемо користити да додатно унапредимо перформансе.

Напомена: Регистрациона форма за учешће на Семинару је доступна на линку:
https://miteam.mi.sanu.ac.rs/asset/CW5nJWDSEZDj7p32p

Уколико желите само да пратите предавање без могућности активног учешћа, пренос је доступан на линку:
https://miteam.mi.sanu.ac.rs/asset/4LNW8WtML7rLKojoz