Seminar on Computer Science and Applied Mathematics

PROGRAM

UTORAK, 06.11.2018. u 14:15, Sala 301f, MI SANU, Kneza Mihaila 36
Zoran Rakićević, University of Belgrade, Faculty of Organizational Sciences
MULTI-CRITERIA GENETIC ALGORITHM FOR SOLVING DUAL RESOURCE CONSTRAINED FLEXIBLE JOB SHOP PROBLEM
This lecture at IEEE seminar refers to the application of the multi-criteria genetic algorithm on solving a job shop scheduling problem from production planning. The primary job shop (JS) is a problem of scheduling several jobs on several machines where all the jobs have different processing routes. Dual resource constrained (DRC) problem is an extension of classical JS where the job’s operations are constrained with the availability of two types of production resources, machines and workers. This problem is frequent in the case of highly customised, small-scale and one-of-a-kind production. The proposed multi-criteria approach is known as the fast non-dominated sorting genetic algorithm - NSGAII, (introduced by Deb et al., 2002). The NSGAII is applied to dual resource constrained flexible job shop problem (DRCFJS) with two criteria function: makespan – the total length of the schedule, and just-in-time as the absolute sum of earliness and tardiness of all scheduled jobs.


UTORAK, 13.11.2018. u 11:00, Sala 2, SANU, Kneza Mihaila 35
SKUP POSVEĆEN 70. ROĐENDANU AKADEMIKA GRADIMIRA V. MILOVANOVIĆA
Program:
11:00-11:30 Stevan Pilipović, Faculty of Sciences, University of Novi Sad
A JOINT JOURNEY THROUGH MATHEMATICS IN SERBIA - introductory talk
11:30-12:00 Miodrag Mateljević, Faculty of Mathematics, University of Belgrade
INTERIOR ESTIMATE FOR ELLIPTIC PDE, QUASICONFORMAL AND HQC MAPPINGS BETWEEN LYAPUNOV JORDAN DOMAINS
12:00-12:30 Marija P. Stanić, Faculty of Sciences, University of Kragujevac
MULTIPLE ORTHOGONAL POLYNOMIALS ON THE SEMICIRCLE
12:30-13:00 P. Stanimirović, Faculty of Sciences and Mathematics, University of Niš
SOME RESULTS ABOUT NONLINEAR OPTIMIZATION AND SYMBOLIC COMPUTATION
13:00-13:30 Miodrag M. Spalević, Faculty of Mechanical Engineering, University of Belgrade
QUADRATURES WITH MULTIPLE NODES FOR FOURIER COEFFICIENT
13:30-14:00 Gradimir V. Milovanović, Mathematical Institute Serbian Academy of Sciences and Arts
Dragan Pavlović, School of Electrical Engineering, University of Belgrade
NUMERICAL METHODS FOR VOLTERRA INTEGRAL EQUATION IN THE CALCULATION OF THE CHANNEL DISCHARGE FUNCTION


UTORAK, 20.11.2018. u 14:15, Sala 301f, MI SANU, Kneza Mihaila 36
Vladisav Jelisavčić, Matematički institut SANU
STRUKTUIRANO UČENJE NAD VELIKIM PODACIMA ZASNOVANO NA VEROVATNOSNIM GRAFOVSKIM MODELIMA
Verovatnosni grafovski modeli su klasa algoritama za struktuirano učenje kod kojih je problem predstavljen pomoću slučajnih promenljivih. Markovljeva slučajna polja su verovatnosni grafovski modeli u kojima su promenljive predstavljene kao čvorovi, dok su interakcije između promenljivih predstavljene kao grane neusmerenog grafa.
Cilj istraživanja predstavljenog u ovom izlaganju je pronalaženje i analiza novih modela za struktuirano učenje i algoritama za njihovo obučavanje. Učenje ovakvih modela se najčešće obavlja pronalaženjem maksimalne verodostojnosti (eng. maximum likelihood), pomoću metoda konveksne optimizacije.
Efikasnost učenja, kao i zaključivanja na osnovu naučenog modela, u velikoj meri zavisi od osobina samog modela i pretpostavki nad kojima je zasnovan, kao i prilagođenosti modela problemu. U sklopu ovog istraživanja, najpre je osmišljena i realizovana generalizacija jedne postojeće GCRF formulacije.
Zatim je izvršena eksperimentalna analiza predloženog modela na nekoliko sintetičkih i nekoliko stvarnih skupova podataka iz aktuelnih domena klimatologije i zdravstva, kao i analiza složenosti algoritma. Zatim je uočen tip problema koji je veoma zastupljen a nije dovoljno obrađen u literaturi, i za koji je moguće uvesti dodatne pretpostavke za koje je pokazano da mogu znatno olakšati problem učenja strukture iz mnogodimenzionalnih podataka. Predložena su i realizovana dva nova GMRF modela zasnovana na uvedenim pretpostavkama i L1 regularizacione norme, i razvijeni su brzi i skalabilni algoritmi za njihovo učenje.
Pokazana je prednost predloženih modela nad postojećim rešenjima u vidu brzine i skalabilnosti. Predloženi algoritmi su eksperimentalno potvrđeni kroz poređenje sa najbržim postojećim rešenjima na nekoliko mnogodimenzionalnih sintetičkih problema kao i na pravim podacima iz oblasti ekspresije gena, DNK metilacije, i EEG signala. Zatim je odrađena teorijska analiza složenosti algoritama, i eksperimentalno potvrđena sposobnost paralelizacije.
Za kraj su predložene još dve dodatne ekstenzije GCRF modela i postavljena je teorijska osnova za njihovo učenje.


UTORAK, 27.11.2018. u 14:15, Sala 301f, MI SANU, Kneza Mihaila 36
Александар Стокић, Факултет организационих наука, Универзитет у Београду, Србија, и Народна библиотека Добој, Република Српска
УПРАВЉАЊЕ ОДНОСИМА СА КЛИЈЕНТИМА У ЕЛЕКТРОНСКОМ ПОСЛОВАЊУ ПАМЕТНИХ БИБЛИОТЕКА
Предмет истраживања је управљање односима с клијентима (енгл. customer relationship management - CRM) у електронском пословању паметних библиотека. Главни проблем који се разматра у раду односи се на испитивање могућности интеграције система за управљање односима с клијентима у интегрисани библиотечки систем као један од метода за унапређење комуникације библиотеке с корисницима библиотечких услуга и пословним партнерима. У циљу имплементације CRM модела, који је прилагођен библиотекама земaља у развоју, биће представљен CRM модел заснован на апликацијама отвореног кôда. У експерименталном делу истраживања испитана је примена CRM концепта и паметних технологија у библиотекама у Србији, Босни и Херцеговини и Црној Гори, као и спремност библиотекара да прихвате употребу ових технологија у циљу унапређења односа с корисницима. Добијени резултати потврдили су главну хипотезу да се интеграцијом система за управљање односима с клијентима у електронском пословању паметних библиотека побољшавају перформансе библиотечког пословања, усклађују се библиотечке активности и унапређује комуникација с корисницима библиотечких услуга.