详细内容或原文请订阅后点击阅览
使用数学优化能量流的矿业教授
Bill Zisch '79曾担任矿业校友委员会主席，然后担任新职位领导矿业工程系。Samy Wu Fung和Daniel McKenzie都是矿业应用数学和统计学助理教授，他们正在共同研究优化模型，以找到有效的方法来传递电力。
来源:佩恩公共政策研究所从一个点到另一点并不总是直线。最直接的路径可能不是最快的，而前进的最快途径可能会有意外的障碍或延迟。
那么，您如何确保将材料从一个地方传递到另一个地方既有效又成功？
Samy Wu Fung和Daniel McKenzie都是矿业应用数学和统计学助理教授，在过去三年中一直在考虑这个问题，在矿山优化和深度学习（MODL）小组中共同努力。尽管已经设置了有力的优化算法来应对处理流动路径，但它们并不总是能够考虑到意外的现实障碍。 Fung和McKenzie正在努力将现有优化算法的优势与机器学习模型相结合，因此结果既可以确保和最有效。
矿山应用数学和统计 地雷优化和深度学习（MODL）fung举例说明了市区交通的榜样。找到最快的路径可以使用优化算法完成，但是会阻碍汽车流的棒球游戏或建筑等事件呢？机器学习模型可以使用过去的信息处理此类情况，而优化算法为路径预测提供了保证。
“优化模型将确保成功，但是机器学习算法使用历史数据来考虑可变性，” McKenzie说。 “整合两者找到最快的路径，可以保证到达。”
为了进行研究，他们正在努力将优化模型应用于对日常基础设施至关重要的挑战 - 电网。
fung说：“我们一直在这里开发这些工具，但是将我们的作品应用于现实的东西，例如电网，确实是最终目标。”