Araştırmacılar, değişken getiri koşullarında bütçe dağıtımı için Model Öngörülü Kontrol (MPC) sistemini geliştirdi. Dijital pazarlama verilerinden yola çıkan çalışma, geleneksel reaktif bütçe politikalarıyla karşılaştırmalı analiz gerçekleştirdi. Sonuçlar, sadece değişkenliğin öngörülü kontrol gerektirmediğini, ancak getiri verimliliğinde öngörülebilir yapılar olduğunda MPC'nin reaktif yöntemleri geride bıraktığını ortaya koydu. Bu yenilik, özellikle finansal planlama ve kaynak optimizasyonu alanlarında devrim yaratma potansiyeli taşıyor.

Araştırmacılar, dinamik sistemlerde lider-takipçi ilişkisini matematiksel olarak modelleyen yeni bir teşvik mekanizması geliştirdi. Bu sistemde, bir lider sabit bir teşvik fonksiyonu tasarlayarak, kendi çıkarını düşünen bir takipçinin sistemi uzun vadede faydalı şekilde yönlendirmesini sağlıyor. Geleneksel sürekli güncellenen teşvik sistemlerinden farklı olarak, bu yaklaşım sabit incentive fonksiyonları kullanıyor. Çalışma, özellikle doğrusal-kuadratik durumlar için analitik sonuçlar sunuyor ve sistem kararlılığı için gerekli koşulları matematiksel olarak tanımlıyor. Bu araştırma, yapay zeka sistemlerinde otonom ajanların davranışlarını şekillendirme konusunda önemli bir adım teşkil ediyor.

Araştırmacılar, makine öğrenmesinde yaygın kullanılan Nesterov Hızlandırılmış Gradyan (NAG) yönteminin nasıl çalıştığını açıklayan yeni bir matematiksel çerçeve geliştirdi. Nearly Asymptotically Invariant Manifold (NAIM) adı verilen bu yaklaşım, optimizasyon problemlerinde hızlandırmanın neden ortaya çıktığını geometrik bir perspektifle açıklıyor. Çalışma, birinci dereceden gradyan akışını ikinci dereceden faz uzayına taşıyarak, hızlandırmanın eğrilik-farkında bir pertürbasyondan kaynaklandığını gösteriyor. Bu teorik gelişme, yapay zeka ve makine öğrenmesi algoritmalarının optimizasyonunda kullanılan hızlandırma tekniklerinin daha iyi anlaşılmasını sağlayabilir.

Elektrikli araçların yaygınlaşmasının önündeki en büyük engellerden biri olan menzil kaygısına yenilikçi bir çözüm geliştiriliyor. Dinamik İndüktif Şarj (DİŞ) teknolojisi, araçların sürüş halindeyken kablosuz olarak şarj olmasını sağlayarak bu sorunu çözmeyi hedefliyor. Ancak bu altyapılar maliyetli ve güç kısıtlamaları içeriyor. Araştırmacılar, kenar bilişim ve araç iletişim teknolojilerini kullanarak akıllı güç dağıtımı yapan bir optimizasyon çerçevesi öneriyor. İstanbul'da 10 kilometrelik gerçek bir kentsel senaryoda SUMO simülasyonlarıyla test edilen sistem, kritik pil durumundaki araçları önceliklendirerek kaynak kullanımını optimize ediyor. Bu yaklaşım, elektrikli araç sahiplerinin memnuniyetini artırırken ekonomik verimliliği de maksimuma çıkarmayı amaçlıyor.

Araştırmacılar, elektrik dağıtım şebekelerinin gerçek zamanlı yeniden yapılandırılması için yenilikçi bir matematik framework geliştirdi. Bu sistem, ağ bölümlendirmesi ve kaynak yönetimini optimize ederek daha verimli enerji dağıtımı sağlıyor. Çalışma, özellikle akıllı şebekelerin karmaşık yapısını yönetmek için kesme düzlemi yöntemlerini kullanıyor. Geliştirilen algoritma, ağ bağlantılarını dinamik olarak kontrol ederken radyal bağlantı gereksinimlerini koruyabiliyor. Bu teknoloji, elektrik kesintilerinin minimize edilmesi ve enerji verimliliğinin artırılması açısından büyük potansiyel taşıyor. Özellikle yenilenebilir enerji kaynaklarının entegrasyonu ve dağıtık kontrol sistemleri için kritik öneme sahip.

Araştırmacılar, parametrik belirsizlikler içeren konveks optimizasyon problemlerinin çözüm kümelerini tahmin etmek için yeni bir yöntem geliştirdi. Yöntem, projektif gradyan azalış algoritmasının yakınsama özelliklerini kullanarak, belirsiz parametrelere sahip optimizasyon problemlerinin çözümlerini güvenilir şekilde yaklaşıklayabiliyor. Bu çalışma, makine öğrenmesi ve kontrol sistemlerinde karşılaşılan karmaşık optimizasyon problemlerinin çözümünde önemli uygulamalara sahip.

Araştırmacılar, oyun teorisinin karmaşık matematiksel problemlerinden birini çözmek için yeni bir yöntem geliştirdi. Bu çalışma, çok oyunculu stratejik durumlarda gözlemlenen davranışlardan hareketle, oyuncuların gerçek hedeflerini tersine mühendislik yaklaşımıyla belirlemeyi amaçlıyor. Sonsuz zaman diliminde süren rekabetçi durumlar için tasarlanan bu matematik model, Nash dengesi olarak bilinen optimal strateji noktalarından yola çıkarak, oyuncuların maliyet fonksiyonlarını belirleyebiliyor. Yöntemin dikdörtgen ve konveks özellikler gösteren çözüm kümeleri üretmesi, pratik uygulamalarda hesaplama kolaylığı sağlıyor. Ekonomik modelleme, yapay zeka sistemleri ve karar verme süreçlerinde kullanılabilecek bu yaklaşım, gözlemlenen davranışların arkasındaki matematiksel mantığı ortaya çıkarma konusunda önemli bir adım teşkil ediyor.

Araştırmacılar, kısıtlı optimizasyon problemlerini çözmek için kaygan mod kontrolüne dayalı yeni bir yöntem geliştirdi. Bu yaklaşım, optimizasyon değişkenlerini sistem durumları, Lagrange çarpanlarını ise kontrol girişleri olarak ele alarak problemi dinamik bir sistem haline dönüştürüyor. Geleneksel optimizasyon yöntemlerinden farklı olarak, bu teknik sonlu zamanda kesin çözüme ulaşma garantisi veriyor ve amaç fonksiyonunun konveks olup olmamasından bağımsız çalışıyor. Ayrıca sistem, ölçüm gürültüsü, yapısal belirsizlikler ve dış bozuculara karşı dayanıklılık gösteriyor. Araştırma ekibi, yakınsamayı hızlandırmak için tekil olmayan terminal kaygan mod tabanlı bir gradyan akışı da tanıttı. Bu yenilik hem optimal çözüme sonlu zamanda ulaşmayı hem de kısıtların tam olarak sağlanmasını garanti ediyor.

Elektrik dağıtım şebekelerinin planlanması ve işletilmesinde adalet kavramının önemi giderek artıyor. Araştırmacılar, enerji dağıtımında tüketiciler arasında eşitlik sağlamak için çeşitli matematiksel modeller geliştiriyor. Ancak adalet sağlamanın bir bedeli var: 'adalet bedeli' olarak adlandırılan bu maliyet, toplumsal uyum için verimlilikten vazgeçilen kısmı temsil ediyor. Coğrafi farklılıklar nedeniyle bazı tüketiciler dezavantajlı durumda kalabiliyor, bu da adil dağıtım sistemlerine olan ihtiyacı artırıyor. Eşitlikçi yaklaşımlardan liyakat temelli kriterlere kadar farklı adalet anlayışları, basit doğrusal programlamadan karmaşık doğrusal olmayan optimizasyon problemlerine kadar değişen matematiksel modeller gerektiriyor.

Araştırmacılar, sürekli zamanlı kontrol sistemlerinin optimizasyonu için veri tabanlı yeni bir yaklaşım geliştirdiler. Linear Quadratic Regulator (LQR) problemi olarak bilinen bu alanda, kapalı döngü ve takviyeli öğrenme parametrizasyonlarını kullanan iki farklı yöntem önerildi. Bu çalışma, robotik, otonom araçlar ve endüstriyel otomasyon gibi alanlarda kritik önem taşıyan kontrol sistemlerinin daha etkili şekilde tasarlanmasına olanak sağlıyor. Özellikle sürekli zamanlı sistemler için geliştirilen bu yaklaşımlar, geleneksel yöntemlere göre daha esnek ve uyarlanabilir çözümler sunuyor.

Araştırmacılar, İHA sürülerinin daha akıllı ve uyumlu hareket etmesini sağlayan yeni bir yapay zeka sistemi geliştirdi. Bu sistem, önce uzman pilotların hareketlerini öğreniyor, sonra bu bilgiyi kullanarak İHA'ların kendi kararlarını vermesini sağlıyor. Geleneksel yöntemlerin aksine, her durum için yeniden hesaplama yapmak yerine, öğrenilen deneyimlerden yola çıkarak hızlı karar verme imkanı sunuyor. Bu yaklaşım, özellikle askeri operasyonlar, arama-kurtarma görevleri ve sivil havacılık uygulamaları için büyük önem taşıyor. Sistem, çoklu İHA koordinasyonundaki karmaşık optimizasyon sorunlarını olasılık tabanlı bir öğrenme problemine dönüştürerek çözüyor.