团队简介：

研究团队致力于智能工业应用和概率论前沿问题的研究，结合数学、统计学、工程技术和计算机科学等多学科知识，开展具有创新性和实际应用价值的研究。团队立足于工业实际运营背景，以国家重大战略需求为导向，围绕节能、降耗、减排、增效等热点问题，提炼并解决工业界关心的科学问题。通过概率方法在组合数学和数论中的应用解析工业数据规律，提出数学建模方法并开发优化算法，为工业智能化建设提供理论依据和方法。

团队成员：

孙平，常桂松，徐晨，车平，王洪曾，何川，刘芷君

研究目标：

1. 组合概率方法研究： Young tableaux 在群表示理论中具有重要应用，其中标准 Young tableaux (SYT) 的计数问题是组合计数领域的一个核心课题。基于我们前期构建的 SYT 计数概率模型，团队计划进一步深入研究经典的 SYT 计数问题，探索概率方法在组合数学和数论中的应用。此外，我们将关注这些方法在机器学习、量子计算和数据科学等前沿领域中的潜在应用，旨在丰富和拓展相关问题的理论研究方法，推动该领域的发展。

 2. 分枝随机游动极限理论研究：分枝随机游动是概率论中重要的马尔可夫过程，也是近年来的研究热点，广泛应用于物理学、生物统计和计算机科学等领域。团队计划研究非时齐问题，重点关注非时齐扰动参数对分枝随机游动的影响。与时齐或随机环境相比，非时齐环境揭示了分枝与游动之间的相互作用对过程极限性质的影响。这类研究具有开创性，涉及复杂的极限理论，需要结合鞅论、随机过程、随机分析和粒子系统等多学科内容。研究旨在将非时齐方法与马尔可夫过程相结合，为相关实际问题提供新的理论依据和方法。

3. 智能工业数据解析与决策优化研究：团队立足于智能工业应用场景，以实际运营为背景，围绕节能、降耗、减排和增效等热点问题，提炼创新性科学问题。通过解析工业数据规律，提出数学建模方法并开发优化算法，旨在为工业智能化建设提供理论依据和方法。研究涉及数学、统计学、工程技术和计算机科学等多学科交叉，对工业界和学术界具有重要意义。借助数据科学的快速发展，研究融合数据解析和决策优化的技术方法，为工业运营关键问题提供新的理论支撑。