Методи негладкої оптимізації для роз”вязання задачі кластеризації

Цубін С. Методи негладкої оптимізації для роз”вязання задачі кластеризації : кваліфікаційна робота … бакалавра : 121 Інженерія програмного забезпечення / Цубін Софія. – Київ, 2022. – 54 с.

Об’єктом дослідження є задача кластеризації, поставлена у вигляді оптимізаційної задачі задля розв’язання за допомогою субградієнтних методів.
Метою кваліфікаційної роботи є дослідження придатності методів негладкої оптимізації для вирішення задачі кластеризації.
Мовою для імплементації досліджуваних алгоритмів і цільових функцій було обрано Python. Використане середовище розробки — Google Colab. Були
використані бібліотека для наукових обчислень NumPy, бібліотека Matplotlib для візуалізації графіків, бібліотека scikit-learn для порівняння з аналогами.
В роботі показано, що метод еліпсоїдів та r-алгоритм придатні для розв’язання поставленої задачі, оскільки цільові функції є квазіопуклими. Однак через порушення строгої опуклості і яружність функцій робота алгоритмів не завжди є максимально ефективною.
Застосування методів негладкої оптимізації представляє інтерес в контексті задач машинного навчання, навчання нейронних мереж, глибокому навчанні, а також певний науковий інтерес. Результати цієї роботи можуть стати в нагоді при вирішенні інших задач з цієї галузі, де постає необхідність мінімізувати негладкі і не строго опуклі функції.