|
|
|
Sessions dédiées
Le groupe Applications et Théorie de l'Optimisation Multiobjectif est un GT du GDR RO, dont l'objectif principal est d'échanger autour des méthodes d'optimisation appliquées à un cadre multiobjectif. Les thématiques d'intêret incluent l'étude des méthodes de résolution exactes et heuristiques, mais aussi la considération des aspects décisionnels dans le processus d'optimisation. On s'intéresse aux problématiques méthodologiques liées à l'aspect multiobjectif des problèmes, mais aussi à la résolution de problèmes multiobjectif concrets.
Le track "GT Théorie Algorithmique de la Décision et des Jeux (TADJ)" porte d'une part sur la modélisation des préférences et l'algorithmique de la décision (recherche de compromis en multicritère, décision collective et choix social computationnel, élicitation de préférences, etc.) et d'autre part sur des problèmes de théorie des jeux algorithmique (recherche d'équilibres, modélisation de processus de formation des coalitions et/ou de réseaux, mécanismes d'enchères combinatoire, etc.). Des sessions sur les sujets suivants sont encouragées (liste non exhaustive) : la représentation des connaissances (préférences, croyances, valeurs de coalitions), représentation compactes (langages logique, modelés graphique) ; l'apprentissage de préférences ou de modelés décisionnels (apprentissage passif, actif, renforcement, on-line, ...) ; les algorithmes (décision sur domaine combinatoire, choix social computationnel, recherche heuristique, décision séquentielle et planification dans l'incertain, complexité, calcul de stratégies optimales dans le jeux) ; les systèmes multi-agents (décision collective, formation de coalitions, équité, coordination, consensus, approche axiomatique, indices de pouvoir); l'explication des décisions, argumentation.
o Session "Optimisation dans les réseaux énergétiques intelligents"
Viet Hung Nguyen, Arnaud Knippel, Sonia Vanier Nous vous invitons à y soumettre des travaux de recherche exploitant, dans une perspective d'optimisation, les données massives envoyées par des capteurs installés sur les réseaux énergétiques (électricité, gaz, eau, …).
o Session "Partitionnement des Graphes" o Session "Optimisation dans les réseaux de télécommunication intelligents" Les réseaux de télécommunication connaissent actuellement de profondes mutations (SDN/NFV, 5G/6G, MEC,…) qui vont permettre, dans les années à venir, de déployer à la volée des architectures de service, d’optimiser finement l’usage des ressources, de décentraliser le calcul et le stockage au plus près des clients, et ce de manière à offrir de nouveaux services aux exigences de plus en plus drastiques (latence, bande passante, etc…). La mise en œuvre de ces nouvelles architectures de réseau fait apparaitre de nombreuses problématiques d’optimisation et s’accompagne de nombreux défis quant à la mise en œuvre de modèles et d’approches de résolution efficaces.
L’objectif du track est de regrouper des exposés dans le cadre de la "programmation mathématique" pour l’Optimisation Non Linéaire avec des variables continues, discrètes et/ou mixtes. Par programmation mathématique, il faut entendre un cadre général de description de problèmes d'optimisation de façon déclarative et symbolique, selon le formalisme du langage mathématique. Des résumés portant sur des aspects de modélisation, de conception, de développement et d’analyse des méthodes et d’algorithmes pour la résolution de problèmes d'optimisation non linéaire sont attendus. Un autre objectif de ce track, est de diffuser les efforts de la communauté RO autour du développement de logiciels pour la Programmation Mathématique Non Linéaire. Des résumés présentant des applications académiques ou industrielles en optimisation non linéaire sont aussi les bienvenues.
o Exact methods for scheduling problems For several decades, the scheduling problems have constituted a privileged topic. Motivated by their theoretical and applied potential, several research teams studied these problems and proposed various models and resolution approaches. The aim of this special session is to present recent advances on exact methods for scheduling problems. Topics of interest include, but are not limited to, the following topics: - Scheduling theory- Branch and bound, Branch and cut approaches - Column generation and other decomposition methods - Constraint programming o Heuristics and approximation algorithms for scheduling problems For several decades, the scheduling problems have constituted a privileged topic. Motivated by their theoretical and applied potential, several research teams studied these problems and proposed various models and resolution approaches. The aim of this special session is to present the recent heuristics and approximation algorithms in this field. Theoretical and practical works can both be submitted. Both works with applicative or theoretical aspects are encouraged. Topics of interest include, but are not limited to, the following topics : - Approximation algorithms and schemes applied to solve scheduling problems - Heuristic and metaheuristic approaches - Polynomial approximation - Worst case analysis of heuristics o New models/trends in scheduling For several decades, the scheduling problems have constituted a privileged topic. Motivated by their theoretical and applied potential, several research teams studied these problems and proposed various models and resolution approaches. The aim of this special session is to focus on actual and recent models and trends in scheduling.
Les problématiques de la RO et d’aide à la décision en santé sont souvent complexes à aborder dû à la spécificité du milieu (économique, fortement aléatoire, sensible, etc.). Cette thématique toujours émergente en France n’est pas seulement source de problèmes originaux mais nécessite aussi des manières spécifiques et techniques pour les résoudre. Cette session vise à regrouper les dernières contributions, réflexions et méthodes innovantes sur ce thème. Les problématiques de la RO en santé étant très vaste (gestion et logistique hospitalière, personnel médical, HAD, réseau de santé, politiques de santé, etc.), les participants sont invités à partager leurs expériences et résultats.
Cette session COSMOS sera dédiée à des thématiques autour des modèles stochastiques en Recherche Opérationnelle. On s’intéressera ainsi principalement à l'évaluation de performance (modèles de files d'attentes, modèles à champs moyen, théorie des jeux); aux Processus de Décision Markoviens (programmation dynamique stochastique); à l'apprentissage par renforcement; à la programmation stochastique (modèles multi étapes). Les domaines d'applications sont entre autres Mots-clés : Modèle stochastique, Evaluation de performance et files d'attente, Processus de décision markovien, Apprentissage par renforcement.
Depuis l’émergence de l'industrie 4.0, s’est développé le concept d’« usine intelligente »: grâce à une forte intégration entre les flux d'information et les processus industriels (production, transport, logistique ...), il devient possible d’élaborer des outils décisionnels basés sur une meilleure prise en compte des spécificités des systèmes de production et tenant compte d’enjeux environnementaux, énergétiques, humains etc. Ainsi, l’objectif de ce track est de mettre en avant des approches d’ordonnancement intégré se situant dans cette mouvance. En particulier, la prise en compte de contraintes industrielles liées à la transition digitale sera fortement appréciée
o GT P2LS - Planification de la Production et Lot-Sizing Ces sessions organisées par le groupe de travail P2LS du GDR-RO portent sur les avancées récentes en modélisation et résolution de problèmes de planification de distribution et de production et de problèmes de lot-sizing. Ces avancées peuvent concerner de nouvelles approches pour des problèmes classiques ou encore la présentation de nouveaux problèmes. Ces derniers peuvent en particulier émerger quand de nouvelles contraintes pratiques sont intégrées (énergétiques, financières...) ou quand le problème de lot-sizing est intégré à d’autres problèmes d’optimisation (ordonnancement, distribution, tournées de véhicules...). Des contributions présentant des problèmes pratiques sont également les bienvenues.
o GT2L : Logistique urbaine - Les déplacements personnels (vers les lieux de travail, loisirs, et activités sportives) et les transports de marchandises (approvisionnement de magasins, boutiques et particuliers) sont impactés par la saturation des réseaux de transport ubrain. Il est nécessaire de repenser la logistique du dernier kilomètre via le partage de véhicules, le co-voiturage, les taxis autonomes, les livraisons par drones ou d’autres initiatives. Cette session est consacrée aux modèles et méthodes pour les nouveaux modes de transport. o GT2L : Les outils du Machine Learning et leur lien avec les problèmes de tournées – Les outils de Machine Learning constituent une nouvelle manière d'aborder les problèmes d'optimisation et les avancées récentes montrent des avancées significatives dans le domaine. Cette session a pour objectif de faire un état des lieux des contributions récentes. o GT2L : Transport avec extensions – Les différentes applications pratiques des problèmes de tournées de véhicules ont enrichi le problème classique en amenant leurs contraintes spécifiques. Ces contraintes, souvent appelées attributs, ont pour but de mieux représenter les besoins spécifiques liés à la réalité. La session est dédiée aux travaux qui traitent les problèmes riches de tournées de véhicules, ainsi que leur modélisation et solution. o GT2L : Transport et synchronisation - Les problèmes en logistique mettent souvent en jeux plusieurs acteurs dont par exemple des cadres de santé et le patient, un ou plusieurs véhicules pour des échanges de marchandises... Ces acteurs doivent parfois collaborer pour accomplir une ou plusieurs tâches, via des mécanismes de synchronisation qui peuvent prendre la forme de rendez-vous en plusieurs lieux géographiques, ou être contraints par des délais maximaux entre visites. Cette session est dédiée aux travaux récents en transport (au sens large) dans lesquels des mécanismes de synchronisation sont nécessaires. o GT2L : Approches hybrides et exactes en transport et logistique - Les problèmes en logistique et transport sont généralement difficiles à résoudre et requièrent des méthodes de résolution efficaces et rapides. Cette session est dédiée aux travaux de recherche proposant des avancées récentes concernant de nouvelles approches de résolution hybrides (méta/mat-heuristiques, intelligence artificielle, …) ou exactes dans ce domaine. o P2LS/GT2L : Problèmes de routage avec stock - K. Hadj-Hamou, Nabil Absi, Khaled Hadj-Hamou L’implication des fournisseurs dans la gestion des stocks et la planification des transports, offre un levier d’optimisation important. Le problème mathématique qui intègre ces décisions est connu sous le nom d’Inventory Routing Problem (IRP). Plus récemment, l'intégration de la composante production (lot-sizing) à l'IRP a généré une nouvelle classe de problèmes connue sous le nom de Production Routing Problems (PRP). Cette session vise à rassembler les derniers travaux de recherche concernant ces problématiques, en incluant les cas multi-période et multi-échelon entre-autres.
Les métaheuristiques sont des méthodes d'optimisation particulièrement efficaces pour résoudre des problèmes d'optimisation difficiles. Qu'elles soient utilisées seules, ou hybridées avec d'autres techniques, elles ont montré toute leur efficacité dans des champs d'applications aussi variés que l'industrie, les télécommunations, la logistique, les applications financières pour n'en citer que quelques-uns. L'objectif de ce track est de regrouper les travaux dont l'apport principal est la proposition d'une méthode d'optimisation conçue autour des métaheuristiques, et appliquée pour la résolution d'un problème concret.
La résolution de problèmes d’optimisation difficile nécessite souvent le recours à des méthodes approchées, comme les métaheuristiques. Ces dernières sont suffisamment génériques pour permettre leur utilisation sur une large gamme de problèmes différents. Les métaheuristiques sont toutefois difficiles à paramétrer, et peuvent se montrer très couteuses en temps de calcul (exploration du voisinage, fonction-objectif complexe,…). Par ailleurs, pour améliorer l’efficacité de ces méthodes, de nombreux travaux sont basés sur une hybridation de métaheuristiques, mais cette approche ne permet généralement pas de pallier les défauts précédemment cités, et a tendance au contraire à les amplifier. Une tendance actuelle consiste à utiliser des techniques d’apprentissage, notamment pour faciliter le paramétrage des métaheuristiques ou de leur hybridation, ou pour limiter les appels à la fonction d’évaluation. Cette session spéciale vise à mettre en avant tous les travaux qui intègrent des techniques d’apprentissage dans les métaheuristiques pour améliorer leurs performances et/ou en faciliter leur usage.
Les recherches menées au sein du groupe "Scheduling for Computing Architecture and Low Energy" de l'axe OPA du GdR RO concernent principalement des aspects méthodologiques de la gestion efficace des ressources de calcul. Cette thématique ouvre les enjeux sociétaux qui sont de plus en plus importants à prendre en compte, en particulier sur la question de la "sobriété numérique", c'est-à-dire, la rationalisation et l'optimisation de l’usage de l’énergie lors de l'exécution des tâches sur des plates-formes de calcul. Les plateformes de type "Edge-Computing" sont en particulier visées, tout comme l'Internet des objets où les ressources de calcul doivent impérativement traiter les données produites localement.
Cette session vise à regrouper les travaux récents réalisés en Optimisation Combinatoire et s'appuyant particulièrement sur les approches polyédrales et la programmation mathématique. Mots-clés: Polyêdres, programmation mathématique, programmation linéaire et non linéaire, séparation, génération de colonnes, Branch & Cut, Branch & Bound.
La robustesse des décisions prescrites par les approches de recherche opérationnelle est constamment questionnée dans toutes les applications.
Le concepteur du C++ a expliqué qu'une motivation pour la création du nouveau langage concernait la possibilité de soulager la souffrance associée à certaines taches. « I swore never again to attack a problem with tools as unsuitable as those I had suffered while designing and implementing the simulator [or a random task]." Le nouveau langage a ainsi apporté un soulagement à des millions de gens. Toute proportion gardée, cette session est animée dans le même esprit.
Cette session est dédiée à la présentation du travail des étudiants finalistes du prix 2020 du mémoire de master en recherche opérationnelle et aide à la décision. Ce prix est attribué par la ROADEF à un étudiant inscrit dans un établissement français habilité à délivrer un diplôme de master 2 ou équivalent ou effectuant son stage de niveau master 2 en France.
Les problèmes de type « knapsack » possèdent de nombreuses applications dans l’industrie, la gestion de portefeuille, le transport, l’ordonnancement, etc. Cette famille dispose de nombreuses variantes, suivant les contraintes ou/et les objectifs considérés : multi-choix, multidimensionnel, disjonctif, pénalité, quadratique, non-linéaire, stochastique, multi-objectif, etc.
Les problèmes de placement incluent la découpe et certaines problématiques liant l’ordonnancement et le transport. Un problème réel de placement peut être caractérisé par sa dimension : unidimensionnel, deux-dimensions et trois-dimensions. Certaines modélisations académiques traitent aussi des dimensions supérieures.
Cette session, proposée par l'axe « Données, Apprentissage Automatique et Optimisation » du GdR-RO, portera sur les interactions entre recherche opérationnelle et apprentissage automatique. Les exposés pourront notamment porter sur l'utilisation de la recherche opérationnelle au service de l'apprentissage automatique, l'utilisation d'outils issus de l'apprentissage automatique pour la recherche opérationnelle, ou encore l'utilisation conjointe d'outils de la recherche opérationnelle et de l'apprentissage automatique pour résoudre des problèmes d'optimisation data-driven.
Mots clés : apprentissage automatique, apprentissage structuré, optimisation pour l'apprentissage automatique, optimisation data driven
Cette session est organisee par l'axe CAGDO du GDR-RO. Elle vise a regrouper des travaux lies aux thematiques de l'axe, notamment:
Le track « Programmation par contraintes et intelligence artificielle » est consacré aux liens entre la programmation par contraintes, et la recherche opérationnelle ainsi que leurs interactions plus larges avec l’informatique décisionnelle (de la fouille de données à l’apprentissage). De manière non exhaustive, cette session pourra aborder les thèmes de la modélisation, des contraintes globales, des méthodes hybrides PPC et RO, de l’acquisition de contraintes / modèles, et des outils.
Dans le cadre de l'axe M2HPPC (Méthodes hybrides, Heuristiques et Programmation Par Contraintes), les groupes de travail META et ROCT co-organisent une session consacrée à la conception de méthodes de résolution, qui allient des techniques issues du domaine des métaheuristiques et de la programmation par contraintes. Nous nous intéressons à toutes formes d'hybridations, sans restriction aucune. Cela peut-être par exemple une méthode d'optimisation qui utilise des techniques de propagation de contraintes pour résoudre un sous-problème, ou un solveur de contraintes guidé par des techniques à base de recherches locales.
|
| Personnes connectées : 3 | Vie privée |
|
