URGENT: Proposition de th
Forum 'Emplois' - Sujet créé le 2005-09-02
Sujet de la thèse : Méthode d'optimisation par essaims particulaires
: perfectionnement via l'approche de l'« estimation de distribution »
et applications en génie biomédical.
Unité de recherche : Laboratoire Images, Signaux et Systèmes
Intelligents (LiSSi, E.A. 3956), Université de Paris 12, 61 avenue du Général de
Gaulle, 94010 Créteil. Métro : Créteil-Université.
Directeur de thèse : Pr. Patrick SIARRY (section 61) :
<mailto:siarry@univ-paris12.fr> siarry@univ-paris12.fr
Financement : Allocation du Ministère de la recherche, disponible
immédiatement (suite à un désistement).
Description :
La résolution satisfaisante d'un problème d'« optimisation
difficile », qui comporte un grand nombre de solutions sous-optimales, justifie souvent le recours à une « métaheuristique » puissante. Cette nouvelle classe
de méthodes d'optimisation permet de rechercher les optimums globaux d'un problème d'optimisation, en évitant le piégeage dans l'un de ses minimums locaux. Les principales métaheuristiques sont la méthode du recuit simulé, la méthode de recherche tabou, les algorithmes évolutionnaires, les algorithmes de colonies de fourmis, toutes inspirées d'analogies
avec la physique, la biologie ou l'éthologie. Les travaux développés au LiSSi portent sur l'adaptation de ces méthodes discrètes à des problèmes d'optimisation à variables continues (les plus courants dans tousles domaines de l'ingénierie), et à leur application à des problèmes de génie biomedical.
La thèse s'orientera vers la méthode des « essaims particulaires »
(« Particle Swarm Optimization »), qui s'inspire de la dynamique
d'animaux se déplacant en foules compactes (essaims d'abeilles, vols groupés
d'oiseaux, bancs de poissons). Le doctorant s'attachera à améliorer les performances de cette méthode dans le cas continu, notamment en se plaçant dans le cadre général de l' « estimation de distribution ». Cette analyse s'appuiera à la fois sur une étude théorique, et sur des expérimentations numériques, dans
le cas statique, mais aussi dans le cas dynamique, où les optimums globaux et locaux du problème traité évoluent au cours du temps.
Plusieurs applications relevant du génie biomédical seront
considérées.
Compétences souhaitées du candidat :
Programmation en C++.
Goût pour l'optimisation, l'éthologie et la biologie.
Typiquement : DEA (ou Master 2) de Recherche Opérationnelle, ou de Mathématiques Appliquées, ou de Bio-informatique.
: perfectionnement via l'approche de l'« estimation de distribution »
et applications en génie biomédical.
Unité de recherche : Laboratoire Images, Signaux et Systèmes
Intelligents (LiSSi, E.A. 3956), Université de Paris 12, 61 avenue du Général de
Gaulle, 94010 Créteil. Métro : Créteil-Université.
Directeur de thèse : Pr. Patrick SIARRY (section 61) :
<mailto:siarry@univ-paris12.fr> siarry@univ-paris12.fr
Financement : Allocation du Ministère de la recherche, disponible
immédiatement (suite à un désistement).
Description :
La résolution satisfaisante d'un problème d'« optimisation
difficile », qui comporte un grand nombre de solutions sous-optimales, justifie souvent le recours à une « métaheuristique » puissante. Cette nouvelle classe
de méthodes d'optimisation permet de rechercher les optimums globaux d'un problème d'optimisation, en évitant le piégeage dans l'un de ses minimums locaux. Les principales métaheuristiques sont la méthode du recuit simulé, la méthode de recherche tabou, les algorithmes évolutionnaires, les algorithmes de colonies de fourmis, toutes inspirées d'analogies
avec la physique, la biologie ou l'éthologie. Les travaux développés au LiSSi portent sur l'adaptation de ces méthodes discrètes à des problèmes d'optimisation à variables continues (les plus courants dans tousles domaines de l'ingénierie), et à leur application à des problèmes de génie biomedical.
La thèse s'orientera vers la méthode des « essaims particulaires »
(« Particle Swarm Optimization »), qui s'inspire de la dynamique
d'animaux se déplacant en foules compactes (essaims d'abeilles, vols groupés
d'oiseaux, bancs de poissons). Le doctorant s'attachera à améliorer les performances de cette méthode dans le cas continu, notamment en se plaçant dans le cadre général de l' « estimation de distribution ». Cette analyse s'appuiera à la fois sur une étude théorique, et sur des expérimentations numériques, dans
le cas statique, mais aussi dans le cas dynamique, où les optimums globaux et locaux du problème traité évoluent au cours du temps.
Plusieurs applications relevant du génie biomédical seront
considérées.
Compétences souhaitées du candidat :
Programmation en C++.
Goût pour l'optimisation, l'éthologie et la biologie.
Typiquement : DEA (ou Master 2) de Recherche Opérationnelle, ou de Mathématiques Appliquées, ou de Bio-informatique.