¿Hay alguna matemática recientemente descubierta (últimos 50 años) comprensible para estudiantes de pregrado o está todo muy avanzado?

Stephen Cook dio la primera definición de un problema NP-Complete en 1971, que es hace unos 45 años. NP Los problemas completos están más formalmente en el área de la informática teórica, pero diría que están estrechamente relacionados con las matemáticas aplicadas, hasta el punto de que muchos en la informática teórica alientan a sus estudiantes a tomar cursos avanzados en matemáticas para comprender estos conceptos. La comprensión de este documento y la prueba pueden estar más allá del alcance de un estudiante universitario, pero los problemas NP-Complete no lo son.

A Fred Glover se le ocurrió el concepto de Tabu Search entre 1986 y 1989, que ha demostrado ser un método muy bueno para proporcionar soluciones casi óptimas para el problema del vendedor ambulante (un problema que es NP-Complete). Una vez más, tratar de entrar en las malas hierbas de Tabu Search sería mucho, pero comprenderlo fundamentalmente e intentar implementarlo podría ser un buen proyecto.

Más recientemente, se ha trabajado mucho en conceptos de aprendizaje automático. Google tiene el famoso papel de PageRank. Esto trata principalmente con la teoría de gráficos, las cadenas de Markov y la probabilidad, por lo que no pondría la comprensión del poder de este algoritmo fuera del alcance de la comprensión de un estudiante universitario.

Y al grupo de PNL de Stanford se le ocurrió el algoritmo de asignación de Dirichlet latente. Este es otro que puede ser difícil de entender a un nivel profundo. Pero en un nivel alto, es simplemente un algoritmo de agrupamiento para documentos (y las palabras en esos documentos) que ha demostrado ser mejor que muchos de los enfoques anteriores.

Muchos estudiantes de combinatoria y áreas cercanas pueden ser entendidos por estudiantes universitarios. Aquí hay algunos avances recientes que puede considerar:

  • J. Ellenberg y D. Gijswijt, en grandes subconjuntos de [math] \ mathbb {F} _q ^ n [/ math] sin progresión aritmética de tres términos. Ana. de matemáticas 185 (2017), 339–343.
  • A. Bondarenko, Sobre la conjetura de Borsuk para sets de dos distancias. Computación discreta. Geom 51 (3) (2014), 509-515.
  • S. Ball, en conjuntos de vectores de un espacio vectorial finito en el que cada subconjunto de tamaño base es una base. J. Eur. Matemáticas. Soc. 14 (3) (2012), 733–748.
  • Z. Dvir, sobre el tamaño de Kakeya en campos finitos. J. Amer. Matemáticas. Soc. 22 (2009), 1093-1097.

Una gran cantidad de combinatoria es bastante fácil de entender, sin comprender muchas matemáticas abstractas. Los teoremas en la teoría de grafos, por ejemplo, a menudo son bastante simples. También hay pruebas elementales recientemente descubiertas de teoremas conocidos previamente descubiertos en los últimos 50 años que están bastante al alcance de un estudiante universitario. Si bien hay cosas en la combinatoria que pueden requerir que la teoría de la representación se entienda, muchas de ellas son probablemente “frutos bajos”

Constantemente se descubren pruebas elementales pero nuevas de teoremas clásicos o relativamente básicos previamente conocidos. No son nuevas matemáticas en términos de nuevos teoremas, sino nuevas pruebas, que podrían inspirar ideas más que nuevos teoremas.

Editar: ahora que estoy tomando una clase en Ciencias de la Computación Teórica, me gustaría agregar que gran parte de la teoría en Ciencias de la Computación Teórica se desarrolló en los últimos 50 años.

Todo el campo de los sistemas fractales y caóticos es bastante nuevo. Mientras que Henri Poincaré investigó un poco en la década de 1880, el campo realmente no despegó hasta que Lorentz descubrió los atractores de Lorenz en 1961 y Mandelbrot en 1967 “¿Cuánto dura la costa de Gran Bretaña?”.

La teoría de nudos ha tenido muchos desarrollos nuevos en los últimos 50 años. Se han descubierto nuevos invariantes como el polinomio de Jones que son relativamente fáciles de entender para un estudiante universitario, aunque probablemente haya algunos cálculos importantes detrás de él.

Los fundamentos de la teoría de categorías son bastante fáciles de seguir. Los functores adjuntos pueden parecer abstrusos, pero incluso allí algunos resultados son elementales.

Secundo la sugerencia de Combinatoria. La teoría de Matroid es particularmente clara: sus axiomas son simples y sus aplicaciones interesantes. Sus orígenes se encuentran en las décadas de 1920 y 1930, pero muchos de sus resultados son más recientes, pero aún accesibles para un estudiante universitario trabajador.

https://arxiv.org/pdf/1401.0012.pdf

Entendí esto Es posible que deba leer el documento original de Calkin & Wilf “Recounting the Rationals”.

Pruebe el papel de pagerank

More Interesting

¿Cuál es el significado de la ganancia de Kalman? ¿Qué produciría una ganancia mayor / menor?

¿Puede crear un puntero 2D dinámico que almacene elementos ingresados ​​por el usuario como una matriz y lo muestre antes y después de liberarlo?

¿Cómo podemos verificar de forma recursiva si una lista vinculada individualmente es un palíndromo?

¿Cuáles son las aplicaciones de la programación en C?

Cómo mostrar un problema es NP completo

¿Cómo es posible que el hashing sea imposible de revertir? ¿Hay alguna prueba?

¿Alguien puede ayudarme a resolver el problema SPOJ "Consulta en un árbol" (QTREE)?

¿Qué significa el algoritmo en informática?

Cómo demostrar que en cada árbol de búsqueda binaria n-nodo hay exactamente n-1 rotaciones posibles

¿Cómo puedo mover puntos colocados al azar con un radio de 'visión' en una línea para cubrir completamente la línea y minimizar la distancia total recorrida?

¿Cómo se puede explicar el algoritmo para la conversión de un número binario a un hexadecimal (código fuente incluido)?

¿Hay alguna aplicación que use el montón de izquierda? ¿Cuál es el uso real de los montones en las estructuras de datos?

¿Es posible aplicar de manera eficiente algoritmos de aprendizaje automático para problemas de optimización combinatoria?

¿Alguien puede dar el algoritmo detallado del algoritmo mejorado de segunda oportunidad?

¿Algunos algoritmos de ML son más vulnerables a los conjuntos de entrenamiento desequilibrados que otros? ¿Por qué?