我们一直在开发用于检测多维函数的“稳健”零点的算法，其中是维域。更准确地说，对于给定的，我们可以计算使得每个连续，中都有一个非空零集（在一些非常弱的条件下）。这可用于证明初始映射即使在仅给出近似值的情况下也为零，例如多维网格中的函数值列表和 Lipschitz 常数。$f: X\to\Bbb R^n$$X$$m$$\Bbb R^m$$f$$r>0$$g$$\|g-f\|<r$$X$$f$

可以分析的零集的更多涉及的稳健特性。例如，当给定一个附加目标函数时，我们可以在具有不确定性的零集上找到“稳健最优”。$f$

这些算法能否在工程和/或科学计算中有一些自然的应用？在某种意义上，它将方程组的求解推广到输入不确定的情况。

算法背后的数学很好而且很重要（到目前为止一直是我们的主要动力），但是如果我们有特定的问题要解决，那么进一步的发展是最有意义的。