Doktorski raziskovalni program Učenje za prilagodljivo optimizacijo je usmerjen v razvoj metod, temelječih na učenju, za prilagodljivo optimizacijo v dinamičnih, negotovih in/ali kompleksnih okoljih. Raziskava se osredotoča na reševanje raznovrstnih kompleksnih problemov, pri katerih so klasični optimizacijski pristopi pogosto neučinkoviti ali nezadostni (npr. zahtevajo prilagoditve za posamezen problem), ali kjer se cilji optimizacije, omejitve ali dinamika sistema skozi čas spreminjajo, zaradi česar statično zasnovane metode niso primerne.
Doktorski kandidat bo raziskoval vključevanje metod strojnega učenja v optimizacijska ogrodja za omogočanje neprekinjenega prilagajanja na podlagi podatkov in povratnih informacij. Raziskovalna tema lahko vključuje prilagodljivo in sprotno optimizacijo, okrepljeno učenje za podporo odločanju, nadomestne ali z modeli vodene optimizacijske pristope, meta-učenje za prilagajanje algoritmov ter hibridne pristope, ki združujejo učenje z eksaktnimi ali hevrističnimi optimizacijskimi metodami.
Raziskovalno delo bo poudarjalo dobro utemeljeno metodološko zasnovo, analizo konvergence in robustnosti ter eksperimentalno validacijo na realnih ali (testnih) simuliranih problemih. Področja uporabe lahko vključujejo inženirske sisteme, inteligentno vodenje, razporejanje virov in kompleksne industrijske procese. Pričakovani rezultat je razvoj robustnih in prilagodljivih optimizacijskih metod, ki izboljšujejo zmogljivost, učinkovitost in odpornost v zahtevnih, nepredvidljivih ali spreminjajočih se okoljih.