PhD position at the LOSI UTT / Offre de th
Forum 'Emplois' - Sujet créé le 2012-03-23
Sujet de thèse : Méthodes pour l'optimisation sur des données incertaines
Responsables : Christian Prins (Professeur, Université de Technologie de Troyes) et Andréa C. Santos Duhamel (MCF, Université de Technologie de Troyes)
Equipe : ICD-LOSI , UMR STMR
L'équipe du Laboratoire d'Optimisation des Systèmes Industriels (LOSI) de l'Université de Technologie de Troyes (UTT) est spécialisée dans la conception et la modélisation des systèmes logistiques ; elle se positionne parmi les leaders internationaux dans le domaine du transport et plus particulièrement dans les thématiques liées à l'élaboration des tournées de véhicules.
Site : http://losi.utt.fr/fr/index.html
Résumé
En pratique, les systèmes réels susceptibles d'utiliser des techniques et méthodes issues de l'optimisation combinatoire sont souvent soumis à des incertitudes sur les données. Par exemple, dans la grande distribution, la fluctuation des demandes, la localisation, les aléas perturbateurs des temps de trajets (embouteillages, accidents, etc) ne sont pas forcément connus à priori. Des applications plus critiques existent dans le cadre des catastrophes (naturelles ou humaines) où un grand nombre de paramètres sont incertains. De plus, il est possible que la probabilité d'occurrence de certaines situations ne soit pas connue à l'avance. On peut aussi avoir des erreurs dans le processus d'estimation de l'incertitude. L'optimisation robuste émerge comme alternative pour traiter des problèmes de ce type. L'idée générale est de réaliser l'optimisation sur un ensemble de scénarios possibles et de trouver les solutions les plus adaptées ou acceptables sur l'ensemble des scénarios (solutions robustes). Dans ce projet, nous allons étudier des méthodes pour l'optimisation robuste appliquées à des problèmes de tournées de véhicules. Il y a plusieurs challenges à soulever comme l'évaluation des solutions dites robustes, l'adaptation des méthodes heuristiques destinées à la résolution de problèmes de grande taille, ainsi que l'évaluation de leur performance. L'étude de l'optimisation robuste est ambitieuse dans la mesure où elle répond à une vaste classe de problèmes réels avec des enjeux économiques, environnementaux et sociétaux importants.
Mots clés
Optimisation robuste, tournées de véhicules, modélisation mathématique, heuristiques, matheuristiques.
Profil souhaité
Master (Recherche opérationnelle, informatique, systèmes Industriels) ou école d'ingénieur.
Connaissance des outils de modélisation et développement algorithmique (C, C++, ...).
Bon niveau d'anglais.
L'esprit d'autonomie et d'initiative ainsi que des qualités de communications et d'analyse seront appréciées.
Durée et date de début souhaitée – Rémunération
3 ans (plein temps) débutant en Octobre 2012
Montant net mensuel d'environ 1.386 €.
Procédure de candidature
Envoyez vos candidatures (CV et lettre de motivation) à andrea.duhamel@utt.fr et christian.prins@utt.fr. La date limite pour la candidature est le 31 mai 2012.
Références
H. Aissi, C. Bazgan, D. Vanderpooten, Min–max and min–max regret versions of combinatorial optimization problems: A survey, European Journal of Operational Research 197, 427–438, 2009.
H. Aissi, C. Bazgan, D. Vanderpooten, Approximation of min–max and min– max regret versions of some combinatorial optimization problems, European Journal of Operational Research 179 (2), p. 281–290, 2007.
P. Kouvelis, G. Yu, Robust discrete optimization and its applications, Kluwer Academic Publishers., Boston, 1997.
A. Ben-Tal, and A. Nemirovski, Robust convex optimization. Mathematics of Operations Research, 23(4), 769–805, 1998.
A. Ben-Tal, and A. Nemirovski. Robust solutions to uncertain programs. Operations Research Letters, 25, 1–13, 1999.
D. Bertsimas, and M. Sim, Robust discrete optimization and network flows. Mathematical Programming, 98(1–3), 49–71, 2003.
D. Bertsimas, and M. Sim, The price of robustness. Operations Research, 52(1), 35–53, 2004.
R. Montemanni, L. Gambardella, An exact algorithm for the robust shortest path problem with interval data, Computer and Operations Research 31 (10), 1667–1680, 2004.
--------------------------------------------------------------------------
Title: Methods for optimization problems under uncertain data
Responsibles: Christian Prins (Professor, Université de Technologie de Troyes, Troyes, France) and Andréa C. Santos Duhamel (Associate professor, Université de Technologie de Troyes, Troyes, France)
Team: ICD-LOSI , UMR STMR
The LOSI (Laboratoire d'Optimisation des Systèmes Industriels) team works further on mathematical modelling and on designing efficient algorithms to solve combinatorial optimization problems. Our expertises are mainly on logistics topics for transportation, location routing and supply chain problems.
Site: http://losi.utt.fr/fr/index.html
Abstract
The real systems enclosing combinatorial optimization problems often deal with uncertain data. For instance, in the large scale distribution, demands, locations, variation on the travel time (congestions, accidents, etc) are not always known in advance. Important applications also appear in the context of large-scale disasters (natural or human) where a large number of parameters are uncertain. In addition, the probability law associated to the uncertain data may be unknown, or parameters may be imprecisely estimated and sometimes estimated with errors. The robust optimization provides techniques to solve problems under uncertainty. The general idea is to optimize a set of scenarios and to provide robust solutions over all scenarios. In this thesis, robust optimization methods will be investigated and applied for solving routing problems. Several technical challenges have to be addressed as the evaluation of robust solutions, the adaptation of heuristics methods for large scale routing problems and assessment of performance and robustness measures. The study of the robust optimization is important since it relies on several real problems with economics, environmental and social impacts.
Keywords
Robust optimization, routing problems, mathematical modelling, heuristics, matheuristics.
Skills
Master in Operations Research, Computer Science, Applied mathematics or Industrial Engineering.
Knowledge on mathematical modelling and programming (C, C++, ...) tools.
Proficiency in English and at least French notions.
High level communication skills and confidence will be appreciated.
General information
The PhD position will span 3 years, working full time.
The starting date will be on October 1st, 2012.
The PhD will be remunerated in about 1.386 € per month.
Application
Applicants can contact and send a CV and a motivation letter to andrea.duhamel@utt.fr and christian.prins@utt.fr . The application deadline is on May 31th, 2012.
References
H. Aissi, C. Bazgan, D. Vanderpooten, Min–max and min–max regret versions of combinatorial optimization problems: A survey, European Journal of Operational Research 197, 427–438, 2009.
H. Aissi, C. Bazgan, D. Vanderpooten, Approximation of min–max and min– max regret versions of some combinatorial optimization problems, European Journal of Operational Research 179 (2), p. 281–290, 2007.
P. Kouvelis, G. Yu, Robust discrete optimization and its applications, Kluwer Academic Publishers., Boston, 1997.
A. Ben-Tal, and A. Nemirovski, Robust convex optimization. Mathematics of Operations Research, 23(4), 769–805, 1998.
A. Ben-Tal, and A. Nemirovski. Robust solutions to uncertain programs. Operations Research Letters, 25, 1–13, 1999.
D. Bertsimas, and M. Sim, Robust discrete optimization and network flows. Mathematical Programming, 98(1–3), 49–71, 2003.
D. Bertsimas, and M. Sim, The price of robustness. Operations Research, 52(1), 35–53, 2004.
R. Montemanni, L. Gambardella, An exact algorithm for the robust shortest path problem with interval data, Computer and Operations Research 31 (10), 1667–1680, 2004.
Responsables : Christian Prins (Professeur, Université de Technologie de Troyes) et Andréa C. Santos Duhamel (MCF, Université de Technologie de Troyes)
Equipe : ICD-LOSI , UMR STMR
L'équipe du Laboratoire d'Optimisation des Systèmes Industriels (LOSI) de l'Université de Technologie de Troyes (UTT) est spécialisée dans la conception et la modélisation des systèmes logistiques ; elle se positionne parmi les leaders internationaux dans le domaine du transport et plus particulièrement dans les thématiques liées à l'élaboration des tournées de véhicules.
Site : http://losi.utt.fr/fr/index.html
Résumé
En pratique, les systèmes réels susceptibles d'utiliser des techniques et méthodes issues de l'optimisation combinatoire sont souvent soumis à des incertitudes sur les données. Par exemple, dans la grande distribution, la fluctuation des demandes, la localisation, les aléas perturbateurs des temps de trajets (embouteillages, accidents, etc) ne sont pas forcément connus à priori. Des applications plus critiques existent dans le cadre des catastrophes (naturelles ou humaines) où un grand nombre de paramètres sont incertains. De plus, il est possible que la probabilité d'occurrence de certaines situations ne soit pas connue à l'avance. On peut aussi avoir des erreurs dans le processus d'estimation de l'incertitude. L'optimisation robuste émerge comme alternative pour traiter des problèmes de ce type. L'idée générale est de réaliser l'optimisation sur un ensemble de scénarios possibles et de trouver les solutions les plus adaptées ou acceptables sur l'ensemble des scénarios (solutions robustes). Dans ce projet, nous allons étudier des méthodes pour l'optimisation robuste appliquées à des problèmes de tournées de véhicules. Il y a plusieurs challenges à soulever comme l'évaluation des solutions dites robustes, l'adaptation des méthodes heuristiques destinées à la résolution de problèmes de grande taille, ainsi que l'évaluation de leur performance. L'étude de l'optimisation robuste est ambitieuse dans la mesure où elle répond à une vaste classe de problèmes réels avec des enjeux économiques, environnementaux et sociétaux importants.
Mots clés
Optimisation robuste, tournées de véhicules, modélisation mathématique, heuristiques, matheuristiques.
Profil souhaité
Master (Recherche opérationnelle, informatique, systèmes Industriels) ou école d'ingénieur.
Connaissance des outils de modélisation et développement algorithmique (C, C++, ...).
Bon niveau d'anglais.
L'esprit d'autonomie et d'initiative ainsi que des qualités de communications et d'analyse seront appréciées.
Durée et date de début souhaitée – Rémunération
3 ans (plein temps) débutant en Octobre 2012
Montant net mensuel d'environ 1.386 €.
Procédure de candidature
Envoyez vos candidatures (CV et lettre de motivation) à andrea.duhamel@utt.fr et christian.prins@utt.fr. La date limite pour la candidature est le 31 mai 2012.
Références
H. Aissi, C. Bazgan, D. Vanderpooten, Min–max and min–max regret versions of combinatorial optimization problems: A survey, European Journal of Operational Research 197, 427–438, 2009.
H. Aissi, C. Bazgan, D. Vanderpooten, Approximation of min–max and min– max regret versions of some combinatorial optimization problems, European Journal of Operational Research 179 (2), p. 281–290, 2007.
P. Kouvelis, G. Yu, Robust discrete optimization and its applications, Kluwer Academic Publishers., Boston, 1997.
A. Ben-Tal, and A. Nemirovski, Robust convex optimization. Mathematics of Operations Research, 23(4), 769–805, 1998.
A. Ben-Tal, and A. Nemirovski. Robust solutions to uncertain programs. Operations Research Letters, 25, 1–13, 1999.
D. Bertsimas, and M. Sim, Robust discrete optimization and network flows. Mathematical Programming, 98(1–3), 49–71, 2003.
D. Bertsimas, and M. Sim, The price of robustness. Operations Research, 52(1), 35–53, 2004.
R. Montemanni, L. Gambardella, An exact algorithm for the robust shortest path problem with interval data, Computer and Operations Research 31 (10), 1667–1680, 2004.
--------------------------------------------------------------------------
Title: Methods for optimization problems under uncertain data
Responsibles: Christian Prins (Professor, Université de Technologie de Troyes, Troyes, France) and Andréa C. Santos Duhamel (Associate professor, Université de Technologie de Troyes, Troyes, France)
Team: ICD-LOSI , UMR STMR
The LOSI (Laboratoire d'Optimisation des Systèmes Industriels) team works further on mathematical modelling and on designing efficient algorithms to solve combinatorial optimization problems. Our expertises are mainly on logistics topics for transportation, location routing and supply chain problems.
Site: http://losi.utt.fr/fr/index.html
Abstract
The real systems enclosing combinatorial optimization problems often deal with uncertain data. For instance, in the large scale distribution, demands, locations, variation on the travel time (congestions, accidents, etc) are not always known in advance. Important applications also appear in the context of large-scale disasters (natural or human) where a large number of parameters are uncertain. In addition, the probability law associated to the uncertain data may be unknown, or parameters may be imprecisely estimated and sometimes estimated with errors. The robust optimization provides techniques to solve problems under uncertainty. The general idea is to optimize a set of scenarios and to provide robust solutions over all scenarios. In this thesis, robust optimization methods will be investigated and applied for solving routing problems. Several technical challenges have to be addressed as the evaluation of robust solutions, the adaptation of heuristics methods for large scale routing problems and assessment of performance and robustness measures. The study of the robust optimization is important since it relies on several real problems with economics, environmental and social impacts.
Keywords
Robust optimization, routing problems, mathematical modelling, heuristics, matheuristics.
Skills
Master in Operations Research, Computer Science, Applied mathematics or Industrial Engineering.
Knowledge on mathematical modelling and programming (C, C++, ...) tools.
Proficiency in English and at least French notions.
High level communication skills and confidence will be appreciated.
General information
The PhD position will span 3 years, working full time.
The starting date will be on October 1st, 2012.
The PhD will be remunerated in about 1.386 € per month.
Application
Applicants can contact and send a CV and a motivation letter to andrea.duhamel@utt.fr and christian.prins@utt.fr . The application deadline is on May 31th, 2012.
References
H. Aissi, C. Bazgan, D. Vanderpooten, Min–max and min–max regret versions of combinatorial optimization problems: A survey, European Journal of Operational Research 197, 427–438, 2009.
H. Aissi, C. Bazgan, D. Vanderpooten, Approximation of min–max and min– max regret versions of some combinatorial optimization problems, European Journal of Operational Research 179 (2), p. 281–290, 2007.
P. Kouvelis, G. Yu, Robust discrete optimization and its applications, Kluwer Academic Publishers., Boston, 1997.
A. Ben-Tal, and A. Nemirovski, Robust convex optimization. Mathematics of Operations Research, 23(4), 769–805, 1998.
A. Ben-Tal, and A. Nemirovski. Robust solutions to uncertain programs. Operations Research Letters, 25, 1–13, 1999.
D. Bertsimas, and M. Sim, Robust discrete optimization and network flows. Mathematical Programming, 98(1–3), 49–71, 2003.
D. Bertsimas, and M. Sim, The price of robustness. Operations Research, 52(1), 35–53, 2004.
R. Montemanni, L. Gambardella, An exact algorithm for the robust shortest path problem with interval data, Computer and Operations Research 31 (10), 1667–1680, 2004.