Le 07/06/2023 par njozefow :

Problématique

L'utilisation de techniques d'apprentissage automatique pour améliorer les performances d'algorithmes et heuristiques pour l'optimisation combinatoire se propage de plus en plus. Parmi les méthodes pour résoudre les problèmes combinatoires, les algorithmes utilisant la génération de colonnes ont fait leur preuve sur de nombreux problèmes notamment les problèmes de tournées de véhicules. Par rapport à d'autres méthodes, notamment les méta-heuristiques, on relève moins d'études portant sur l'amélioration des algorithmes utilisant la génération de colonnes par l'apprentissage automatique. Pourtant, leur nature itérative et reposant sur des structures liées à la programmation linéaire ouvre la voie à de nombreuses possibilités. L'objectif de cette thèse est de proposer des méthodes d'apprentissage automatique pour améliorer les algorithmes de génération de colonnes. Les méthodes proposées seront appliquées à des problèmes rencontrés en apprentissage automatique et en optimisation combinatoire. L'utilisation du calcul haute-performance sera également envisagée pour permettre la résolution de problèmes de grandes tailles.

Méthodologie, outils

- Proposition et implémentation d?algorithmes de décomposition de type génération de colonnes pour des problèmes en lien avec l'apprentissage automatique

- Utilisation de méthodes d'apprentissage automatique et du calcul haute-performance pour booster les algorithmes de décomposition proposés

- Fortes compétences en algorithmique et en programmation (notamment sur les enjeux d'efficacité des algorithmes et programmes)

- Aisance dans un langage de programmation (C++, Julia, Python, etc.)

Condition de la thèse

La thèse s'inscrit dans le cadre du projet ANR ADHOC (Algorithmes de Décomposition Haute-performance pour l'Optimisation Combinatoire et l'apprentissage automatique) qui regroupe l'Université de Lorraine et l'Université du Luxembourg. La thèse se déroulera à l'Université de Lorraine sur le site de Metz.

Le salaire est de l'ordre de 1750? net.

Date de début : à partir de septembre 2023

Documents à fournir

- CV

- Relevés de notes (M1, M2 si possible)

- Lettre(s) de recommandation ou contact(s)

Contacts

- Nicolas Jozefowiez : nicolas.jozefowiez@univ-lorraine.fr

- Pierre Laroche : pierre.laroche@univ-lorraine.fr

- Anass Nagih : anass.nagih@univ-lorraine.fr

- Zsuzsanna Roka : zsuzsanna.roka@univ-lorraine.fr