Задача расчета сроков эксплуатации (в зависимости от различных факторов) дорожного покрытия решение которой планируется получить в рамках данного проекта, является с одной стороны –классической задачей регрессионного анализа в части определения искомой зависимости (срока эксплуатации от ряда влияющих факторов), с другой – может быть рассмотрена и в рамках теории оптимального эксперимента, т.к. получение входных данных для построения регрессионной модели может быть процессом достаточно затратным, как с точки зрения времени, так и с точки зрения финансов, а, как известно, разумный выбор условий проведения экспериментов (т.е. измерений), в большинстве случаев позволяет эти расходы существенно сократить. В этой связи в проекте предлагается развивать оба направления. В рамках задачи регрессионного анализа предлагается рассмотреть, как классический подход (основанный на нахождении МНК-оценок параметров регрессионной модели), так и альтернативные подходы, основанные на применении различных алгоритмов машинного обучения. Трудность применения классического подхода заключается в том, что матрица плана в подобных задачах, с одной стороны, может иметь достаточно большую размерность, с другой – быть плохо обусловленной. В этой связи для нахождения оценок параметров регрессионной модели предлагается развить подход, основанный на использовании стохастической оптимизации, в частности, различных модификаций эволюционных алгоритмов. Подобный подход показал свою высокую эффективность в многокритериальных оптимизационных задачах. В качестве альтернативы будут исследованы популярные алгоритмы машинного обучения, хорошо зарекомендовавшие себя в подобных задачах (ансамблевые методы, анализ главных компонент, различные архитектуры нейронных сетей). В рамках задачи планирования оптимального эксперимента планируется развивать подход, предложенный в последних работах руководителя проекта и заключающийся в исследовании влияния гомотетии области планирования на число точек оптимального плана (как показывают результаты исследований, выбор подходящей (в некотором смысле) области планирования позволяет уменьшить число точек носителя оптимального плана (при сохранении заданной точности)).