Le 22/03/2023 par equipeGOC :
Mots clés : métaheuristiques, paysages de fitness, classification automatique, problème de localisation, centre de soins
Sujet : SHerLoc : conception automatique de métaheuristiques à l’aide des paysages de fitness : application aux problèmes d’optimisation de la localisation des structures de soins sur un territoire multiscalaire (Structure of Healthcare Facility Location Problems).
Résumé du sujet de thèse
La thèse a pour objectif d’étudier la modélisation et l’optimisation efficace de plusieurs problèmes d’optimisation combinatoire sous contraintes, inhérents à la localisation de centres de soins. Les territoires sur lesquels porteront ces travaux seront de tailles différentes pouvant aller d’un centre de soin à une région entière. Par exemple, les applications pourront être la de?termination optimale, d'entrepo?ts de mate?riels et/ou de centres de dépistages/traitements me?dicaux, ou encore la géolocalisation de centres mobiles de prise en charge de la population dans diffe?rentes zones menace?es par des catastrophes naturelles. Ces problèmes sont des proble?mes re?els qui se rapportent tous a? une me?me famille de proble?mes acade?miques bien connue, appele?e « proble?mes de localisation des établissements de santé (Healthcare Facility location) ».
Ces proble?mes sont dits NP-difficiles. Il est fréquent que des experts de ce type de problème conçoivent des algorithmes en prenant en compte les spécificités du problème (ses contraintes spécifiques), menant à des méthodes particulièrement efficaces mais qui peuvent souffrir d’un manque de robustesse en cas d’évolution des données du problème ou d’un passage à l’échelle. De plus, ces algorithmes sont peu généralisables à d’autres problèmes voisins.
La thèse cherchera à acquérir une compréhension plus unifiée de la famille des problèmes de localisation des établissements de santé. Mieux comprendre ces problèmes permettra de concevoir plus efficacement des méthodes de résolution face à de nouveaux problèmes voisins, variant sur quelques contraintes, ou de déterminer comment mieux adapter les contraintes au problème considéré en cas de changement de la structure implicite des données. Pour cela, des études seront réalisées sur un large panel de benchmarks avec pour objectif la définition de critères pertinents caractérisant les différentes instances. Les résultats de l’analyse seront produits de manière unifiée grâce à des outils classiques et novateurs de l’étude des paysages de fitness (structure du problème d’optimisation). Ils seront exploités sous forme de jeux de données pour produire grâce à des méthodes d'apprentissage automatique de classification et/ou régression des modèles, la connaissance nécessaire à la sélection et l'élaboration de méthodes efficaces pour la résolution de ces problèmes d’optimisation sous contraintes.
Contacts : Corinne Lucet (Pr / MIS / UPJV) & Sara Tari (McF / LISIC / ULCO)
Adresse mail : corinne.lucet@u-picardie.fr, sara.tari@univ-littoral.fr
Numéro de téléphone : 0687446952 et 0610727760
Lieux : deux lieux de recherche sont possibles : Laboratoire MIS, Univ. Picardie Jules Verne (Amiens), ou Laboratoire LISIC, Univ. Littoral Côte d’Opale (Calais).
Financement : Cofinancement Région Hauts-de-France, universités UPJV et ULCO
