Vous êtes ici : UVSQ RechercheDoctoratSoutenances de thèse

"Heuristic search and learning for combinatorial optimization" par César Rego

Discipline : Sciences - Informatique Laboratoire : PRiSM

Résumé :
Les techniques de Programmation avec Mémoire évolutive ou Adaptive memory programming (AMP) en liaison avec les avancées sur les structures de voisinage ont permis des développements importants dans le domaine de l’optimisation par metaheuristiques. Comme il y en a eu en optimisation, lors de l’introduction des techniques de relaxation en particulier celle de Relaxation Lagrangienne et de Surrogate constraints.
Très récemment une nouvelle avancée a consisté à envisager plusieurs façons de marier des techniques de mémoire évolutive AMP avec des méthodes de relaxation en une approche appelée Relaxation Adaptive Memory Programming (RAMP). RAMP procure un cadre
unifié pour concevoir des metaheuristiques duales et primales-duales qui s’appuient sur des techniques de adaptive memory programming.
L’exposé présentera les avancées fondamentales dans les méthodes de recherche par voisinage à large échelle et discutera des récentes contributions en relaxation et adaptive memory programming qui sont à l’origine de la création de l’approche RAMP. Enfin, la
validité pratique de cette approche sera prouvée par la présentation de résultats effectifs et meilleurs sur des problèmes difficiles dans des domaines variés.

Abstract :
Adaptive memory programming (AMP) coupled with advances in neighborhood structures have given rise to numerous important developments in metaheuristic optimization. Likewise, there have been many important developments and applications of relaxation methods, notably Lagrangean relaxation and surrogate constraint relaxation.
Quite recently a new advance has occurred by discovering innovative ways to marry adaptive memory metaheuristics with relaxation methods to produce the approach called Relaxation Adaptive Memory Programming (RAMP). RAMP yields a unified framework for
designing dual and primal-dual metaheuristics that take full advantage of adaptive memory programming.
This talk will review fundamental advances in large scale neighborhood search methods and discuss recent contributions in mathematical relaxation and adaptive memory programming that underlie the creation of the RAMP approach. The practical significance of this work is
demonstrated by the ability to solve challenging problems more effectively in a variety of domains.
Informations complémentaires
Arne LOKKETANGEN, Professeur Molde College, Norvège - Rapporteur
El Gahazali TALBI, Professeur, Polytech’Lille - Rapporteur
Marino WIDMER, Professeur, University of Fribourg, Suisse - Rapporteur
Fred GLOVER, Professeur Emérite, University of Colorado, USA - Examinateur - Absent à la soutenance
Alain BUI, Professeur, Université de Versailles Saint-Quentin-en-Yvelines - Examinateur
Catherine ROUCAIROL, Professeur Emérite, Université de Versailles Saint-Quentin-en-Yvelines - Membre examinateur
Contact :
Direction de la Recherche des Etudes Doctorales et de la Valorisation - DREDVal :