offre de th
Forum 'Emplois' - Sujet créé le 2015-05-11 par Eric Sanlaville
(for an announcement in english see below)
Proposition de thèse en informatique:
Pilotage opérationnel des flux le long d'un corridor logistique. Application à la vallée de Seine.
Encadrement : Stefan Balev, Antoine Dutot, Eric Sanlaville (LITIS, Université du Havre)
Financement : allocation établissement de l'université du Havre (3 ans).
Mots clés : Aide à la décision, Intelligence Artificielle, Recherche Opérationnelle, Logistique, Optimisation sous incertitudes.
Sujet : A partir des données sur les infrastructures de transport d'un corridor logistique multimodal (Les différentes chaînes logistiques, capacités de stockage, de transport,...), il s'agit de vérifier la faisabilité d'un plan de transport sur le corridor sur une période donnée, en tenant compte des incertitudes sur les temps de trajet, et des aléas inhérents à ces infrastructures (pannes, accidents et contentieux,...) Le cas échéant, des plans de transport alternatifs, soit offrant de meilleures garanties de faisabilité, soit de meilleures performances en termes de coûts, seront calculés.
Cet objectif nécessite l'utilisation d'un modèle détaillé (multi-échelles) de corridor répertoriant les infrastructures et leurs capacités, ainsi que le détail des flux origines-destinations. Il demande également de travailler sur des outils de planification amont. Le défi principal consiste en la proposition d'un outil de gestion opérationnelle à partir des données collectées, capable de modifier le plan initial pour l'adapter aux nouvelles conditions. Cet outil se basera sur l'optimisation robuste, l'étude des systèmes dynamiques et les techniques de l'intelligence collective (en particulier les systèmes multi-agents) développées au LITIS, équipe RI2C.
Environnement : Le doctorant s'appuiera sur les connaissances obtenues via les précédents projets de l'équipe sur la gestion et l'optimisation des flux dans les systèmes logistiques, et en particulier sur deux thèses en cours, l'une sur la modélisation agent spatialisée des acteurs de la logistique, l'autre sur l'optimisation des flux dans un port maritime étendu. La première s'appuie sur une modélisation multi-agents basée sur l'outil Gama, la seconde sur les outils d'optimisation combinatoire comme Cplex.
La thèse s'inscrit pleinement dans le projet CLASSE (Corridors Logistiques: Application à la vallée de la Seine et à Son Environnement) financé par la région Haute Normandie, l'état et l'Europe, pluri-disciplinaire et pluri-établissement.
L'équipe RI2C: Réseaux d'Interactions et Intelligence Collective du LITIS axe ses recherches fondamentales sur la morpho-dynamique des réseaux d'interactions au moyens d'outils de modélisation, d'analyse et d'optimisation issus de l'Intelligence Artificielle et de la Recherche Opérationnelle. Une des caractéristiques des systèmes complexes dynamiques est la part importante des incertitudes dans les modèles, ce qui entraîne la nécessité de recherche de solutions ou de politiques de pilotage robustes pour ces systèmes. Les applications de ces recherches portent sur l'intelligence territoriale, la gestion des risques industriels, les réseaux de communication adhoc, et la logistique, en particulier l'analyse des réseaux logistiques le long d'un corridor logistique comme l'axe Seine.
Profil recherché: Le futur doctorant ou la future doctorante devra être titulaire d'un master en informatique, d'un diplôme d'ingénieur en informatique, ou l'équivalent, avec une spécialisation en rapport avec l'aide à la décision. Outre les compétences en programmation attendues d'un tel cursus, il ou elle aura acquis des compétences réelles sur les concepts et techniques, soit issus de l'Intelligence Artificielle, en particulier les systèmes multi-agents, soit issus de la recherche opérationnelle: optimisation combinatoire, optimisation robuste. La connaissance de ces deux domaines de l'aide à la décision, IA et RO, sera privilégiée. Une première expérience sur les outils de l'intelligence territoriale (ex: SIG) serait un plus.
-------------------------------------------------------------------------------
PhD Position in computer science
Operational management of flows along a logistics corridor: application to the Seine valley
Supervisors: Stefan Balev, Antoine Dutot, Eric Sanlaville (LITIS, Le Havre University)
Funding: 3 year grant, Le Havre University
Keywords: Decision making support, Artificial intelligence, Operational Research, Logistics, Optimization under uncertainties
Description: Given data on transportation infrastructure of a multi-modal logistic corridor (different supply chains, storage and transport capacities, etc.) the goal is to check the feasibility of a transportation plan for a given period of time, taking into account the uncertainties of the travel time and the hazards inherent to these infrastructures (breakdowns, accidents and litigations). In case of infeasibility, alternative transportation plans will be computed, either with better feasibility guarantee or with better cost.
This goal requires the use of a detailed multi-scale model of the logistic corridor containing the different infrastructures and their capacities, as well as data on the flows, their sources and destinations. It also requires to work on planification tools at the tactical level. The main challenge consists in proposing a tool of operational management from collected data, able to modify the original plan to adapt it to new conditions. This tool shall be based on robust optimization, the study of dynamic systems and the techniques form collective intelligence (specially the multi agent systems) developed within the RI2C team of LITIS.
Environment: The student will benefit from the knowledge gained during previous research projects on flow management and optimization in logistics systems, and in particular two theses in progress: one on spatial agent-based modeling of logistics stakeholders and another one on flow optimization in extended seaport. The first thesis uses the agent-based modeling tool Gama and the second one uses combinatorial optimization tools such as CPLEX.
The thesis is part of the multi-disciplinary and multi-institutional project CLASSE (Logistic corridors: application to the Seine valley and its environment) funded by Haute Normandie region, France and Europe.
The RI2C (Interaction networks and swarm intelligence) team of LITIS focuses its fundamental researches on morpho-dynamics of interaction networks using analysis and optimization methods from artificial intelligence and operations research domains. An important feature of complex systems is the large share of uncertainty in the models, resulting in the need of robust solutions or policies to control these systems. The main applications of this research are in domains such as territorial intelligence, industrial risk management, ad-hoc communication networks and logistics, in particular the analysis of logistic networks along a logistic corridor such as the Seine axis.
Skills and profile: The candidate must have a degree (M. Sc., M. Eng. or equivalent) in computer science with decision making support related specialization. In addition to programming skills acquired in such a curriculum, expertise on concepts and techniques is required in one of the following domains: artificial intelligence and particularly multi-agent systems or operations research (combinatorial optimization, robust optimization). Knowledge in both areas (AI and OR) will be privileged. Previous experience in GIS would be beneficial.
Proposition de thèse en informatique:
Pilotage opérationnel des flux le long d'un corridor logistique. Application à la vallée de Seine.
Encadrement : Stefan Balev, Antoine Dutot, Eric Sanlaville (LITIS, Université du Havre)
Financement : allocation établissement de l'université du Havre (3 ans).
Mots clés : Aide à la décision, Intelligence Artificielle, Recherche Opérationnelle, Logistique, Optimisation sous incertitudes.
Sujet : A partir des données sur les infrastructures de transport d'un corridor logistique multimodal (Les différentes chaînes logistiques, capacités de stockage, de transport,...), il s'agit de vérifier la faisabilité d'un plan de transport sur le corridor sur une période donnée, en tenant compte des incertitudes sur les temps de trajet, et des aléas inhérents à ces infrastructures (pannes, accidents et contentieux,...) Le cas échéant, des plans de transport alternatifs, soit offrant de meilleures garanties de faisabilité, soit de meilleures performances en termes de coûts, seront calculés.
Cet objectif nécessite l'utilisation d'un modèle détaillé (multi-échelles) de corridor répertoriant les infrastructures et leurs capacités, ainsi que le détail des flux origines-destinations. Il demande également de travailler sur des outils de planification amont. Le défi principal consiste en la proposition d'un outil de gestion opérationnelle à partir des données collectées, capable de modifier le plan initial pour l'adapter aux nouvelles conditions. Cet outil se basera sur l'optimisation robuste, l'étude des systèmes dynamiques et les techniques de l'intelligence collective (en particulier les systèmes multi-agents) développées au LITIS, équipe RI2C.
Environnement : Le doctorant s'appuiera sur les connaissances obtenues via les précédents projets de l'équipe sur la gestion et l'optimisation des flux dans les systèmes logistiques, et en particulier sur deux thèses en cours, l'une sur la modélisation agent spatialisée des acteurs de la logistique, l'autre sur l'optimisation des flux dans un port maritime étendu. La première s'appuie sur une modélisation multi-agents basée sur l'outil Gama, la seconde sur les outils d'optimisation combinatoire comme Cplex.
La thèse s'inscrit pleinement dans le projet CLASSE (Corridors Logistiques: Application à la vallée de la Seine et à Son Environnement) financé par la région Haute Normandie, l'état et l'Europe, pluri-disciplinaire et pluri-établissement.
L'équipe RI2C: Réseaux d'Interactions et Intelligence Collective du LITIS axe ses recherches fondamentales sur la morpho-dynamique des réseaux d'interactions au moyens d'outils de modélisation, d'analyse et d'optimisation issus de l'Intelligence Artificielle et de la Recherche Opérationnelle. Une des caractéristiques des systèmes complexes dynamiques est la part importante des incertitudes dans les modèles, ce qui entraîne la nécessité de recherche de solutions ou de politiques de pilotage robustes pour ces systèmes. Les applications de ces recherches portent sur l'intelligence territoriale, la gestion des risques industriels, les réseaux de communication adhoc, et la logistique, en particulier l'analyse des réseaux logistiques le long d'un corridor logistique comme l'axe Seine.
Profil recherché: Le futur doctorant ou la future doctorante devra être titulaire d'un master en informatique, d'un diplôme d'ingénieur en informatique, ou l'équivalent, avec une spécialisation en rapport avec l'aide à la décision. Outre les compétences en programmation attendues d'un tel cursus, il ou elle aura acquis des compétences réelles sur les concepts et techniques, soit issus de l'Intelligence Artificielle, en particulier les systèmes multi-agents, soit issus de la recherche opérationnelle: optimisation combinatoire, optimisation robuste. La connaissance de ces deux domaines de l'aide à la décision, IA et RO, sera privilégiée. Une première expérience sur les outils de l'intelligence territoriale (ex: SIG) serait un plus.
-------------------------------------------------------------------------------
PhD Position in computer science
Operational management of flows along a logistics corridor: application to the Seine valley
Supervisors: Stefan Balev, Antoine Dutot, Eric Sanlaville (LITIS, Le Havre University)
Funding: 3 year grant, Le Havre University
Keywords: Decision making support, Artificial intelligence, Operational Research, Logistics, Optimization under uncertainties
Description: Given data on transportation infrastructure of a multi-modal logistic corridor (different supply chains, storage and transport capacities, etc.) the goal is to check the feasibility of a transportation plan for a given period of time, taking into account the uncertainties of the travel time and the hazards inherent to these infrastructures (breakdowns, accidents and litigations). In case of infeasibility, alternative transportation plans will be computed, either with better feasibility guarantee or with better cost.
This goal requires the use of a detailed multi-scale model of the logistic corridor containing the different infrastructures and their capacities, as well as data on the flows, their sources and destinations. It also requires to work on planification tools at the tactical level. The main challenge consists in proposing a tool of operational management from collected data, able to modify the original plan to adapt it to new conditions. This tool shall be based on robust optimization, the study of dynamic systems and the techniques form collective intelligence (specially the multi agent systems) developed within the RI2C team of LITIS.
Environment: The student will benefit from the knowledge gained during previous research projects on flow management and optimization in logistics systems, and in particular two theses in progress: one on spatial agent-based modeling of logistics stakeholders and another one on flow optimization in extended seaport. The first thesis uses the agent-based modeling tool Gama and the second one uses combinatorial optimization tools such as CPLEX.
The thesis is part of the multi-disciplinary and multi-institutional project CLASSE (Logistic corridors: application to the Seine valley and its environment) funded by Haute Normandie region, France and Europe.
The RI2C (Interaction networks and swarm intelligence) team of LITIS focuses its fundamental researches on morpho-dynamics of interaction networks using analysis and optimization methods from artificial intelligence and operations research domains. An important feature of complex systems is the large share of uncertainty in the models, resulting in the need of robust solutions or policies to control these systems. The main applications of this research are in domains such as territorial intelligence, industrial risk management, ad-hoc communication networks and logistics, in particular the analysis of logistic networks along a logistic corridor such as the Seine axis.
Skills and profile: The candidate must have a degree (M. Sc., M. Eng. or equivalent) in computer science with decision making support related specialization. In addition to programming skills acquired in such a curriculum, expertise on concepts and techniques is required in one of the following domains: artificial intelligence and particularly multi-agent systems or operations research (combinatorial optimization, robust optimization). Knowledge in both areas (AI and OR) will be privileged. Previous experience in GIS would be beneficial.