Networks and Optimization

We ontwikkelen algoritmen voor het oplossen van complexe optimalisatieproblemen en grootschalige data-analyse, door technieken uit de wiskunde en informatica te combineren.

De leider van de groep Networks and Optimization: Daniel Dadush

In de huidige samenleving worden we omringd door complexe systemen en enorme datasets. Van transport en verkeer tot gedragseconomie en biologie: in de praktijk moeten we optimale oplossingen vinden uit een enorme hoeveelheid mogelijkheden, en patronen ontdekken in gigantische datasets. De Networks and Optimization (N&O) groep doet fundamenteel onderzoek met grote impact naar deze uitdagende problemen.

Onze belangrijkste activiteit is het ontwikkelen van algoritmen om optimalisatieproblemen op te lossen op het gebied van planning en routes. Ook proberen we data-analyseproblemen op het gebied van patroonherkenning en indexering efficiënt op te lossen. Onze expertise varieert van discrete tot continue optimalisatie, in zowel gecentraliseerde als gedecentraliseerde omgevingen, en omvat ook het ontwerpen en analyseren van datastructuren. We richten ons zowel op de ontwikkeling van probleemspecifieke methoden als op algemene algoritmische technieken. Om de volgende generatie algoritmen te ontwerpen, combineren we inzichten en benaderingen uit diverse gebieden binnen de wiskunde en informatica. In het bijzonder onderzoeken en benutten we de gevarieerde combinatorische, geometrische en algebraïsche structuren die ten grondslag liggen aan onze problemen, zoals grafieken, matroïden, strings, roosters en polynomen.

In samenwerking met onze industriële partners hebben we de binnen de groep ontwikkelde algoritmen toegepast om een verscheidenheid aan complexe en data-intensieve problemen uit de praktijk op te lossen. We zijn altijd geïnteresseerd in nieuwe algoritmische uitdagingen die zich voordoen in toepassingen en staan open voor nieuwe samenwerkingsverbanden.

Bekijk onze groepsvideo om een indruk te krijgen van onze activiteiten of lees meer informatie over de onderzoeksgroep Networks & Optimization (N&O) (in het Engels).

Bekijk onze huidige en eerdere seminars.

Samen met collega's van Nederlandse universiteiten organiseren we ook een Nederlands seminar over optimalisatie.

Introductie video N&O (2018)

Video over onze samenwerking met ProRail

Evenementen

  • Begin
    Eind
    This boot camp is part of the research semester programme on learning enhanced optimization. Goal: kick-off event highlighting the different aspects of the semester programme.
  • Begin
    Eind
    This PhD School is part of the broader CWI Research Semester Programme on Learning Enhanced Optimization, contributing to its overarching mission of advancing cutting-edge research in theoretical computer science, operations research and beyond.
  • Begin
    Eind
    This PhD School is part of the broader CWI Research Semester Programme on Learning Enhanced Optimization, contributing to its overarching mission of advancing cutting-edge research in theoretical computer science, operations research and beyond.
  • Begin
    Eind
    This workshop is part of the broader CWI Research Semester Programme on Learning Enhanced Optimization, contributing to its overarching mission of advancing cutting-edge research in theoretical computer science, operations research and beyond.
  • Begin
    Eind
    This workshop is part of the broader CWI Research Semester Programme on Learning Enhanced Optimization, contributing to its overarching mission of advancing cutting-edge research in theoretical computer science, operations research and beyond. In addition, it is the final workshop of the OPTIMAL project Optimization for and with Machine Learning.

Publications

All publications

Courses

Lopende projecten met externe financiering

  • Advances in Large-scale, Multilevel, and Hierarchical Optimisation for Challenging Applications (ALMOA) (ALMOA)
  • Constance van Eeden Fellowship (Constance van Eeden)
  • Networks (Networks)
  • Networks COFUND postdocs (Networks COFUND postdocs)
  • Partition functions of large-degree networks (None)
  • Optimization for and with Machine Learning (OPTIMAL)
  • Optimization for and with Machine Learning (OPTIMAL2)
  • Pan-genome Graph Algorithms and Data Integration (PANGAIA)
  • Tensor modEliNg, geOmetRy and optimiSation (TENORS)