Dans de nombreux domaines d’application, l’optimisation big requiert des modèles de plus en plus larges pour gérer une quantité croissante de variables de décision et d’objectifs contradictoires, et sujets à de multiples sources d’incertitude. Dans ce contexte, la résolution de problèmes nécessite de relever notamment les défis de la large échelle (scalability) et du traitement de l’incertitude. Cela requiert souvent de revisiter non seulement la conception et l’implémentation des algorithmes d’optimisation traditionnels mais aussi leur parallélisation sur supercalculateurs massivement multi-cœurs et hétérogènes (ultra-scale) intégrant en plus des processeurs multi-cœurs des accélérateurs (ex. GPU) et des coprocesseurs (ex. MIC) .
L’objectif de BONUS est de proposer des approches avancées basées sur trois plans d’attaque constituant la roadmap du projet et qui font l’objet de plusieurs collaborations actuelles et à venir de l’équipe : l’optimisation basée sur la décomposition, l’optimisation sous incertitude et l’optimisation ultra-scale. L’utilisation conjuguée des trois plans d’attaque est rarement adressée dans la littérature. D’un point de vue logiciel, il s’agira notamment d’intégrer les approches proposées dans le framework ParadisEO. Sur le plan applicatif et du transfert industriel, nous ciblons l’ordonnancement de systèmes énergétiques tels que les smart grids ainsi que l’engineering design.
Bilel Derbel
Optimisation Bayésienne Parallèle des Réseaux Neuromorphiques
COntributions to the Analysis and Design of Parallel Batched Bayesian Optimization Algorithms
Optimisation combinatoire coopérative parallèle favorisant la productivité logicielle pour les supercalculateurs à très grandes échelles
La conception automatique et optimisation multi-objectifs de réseaux de neurones pro-fonds parallèles pour la détection automatique des incidents en temps réel
Optimisation de modèles Deep Learning pour la prévision spatio-temporelle
Optimisation multi-critères et conception automatisée des réseaux de neurones profonds
Attaquer la "large échelle" : calcul haute performance pour l'intelligence computationnelle
Analyse de Paysage Multi-objective et Sélection Automatique d'Algorithmes 20/12/2023
Optimisation boîte grise massivement parallèle et large échelle 19/12/2023
Sélection automatique d'algorithme pour l'optimisation multi-objectif 09/12/2022
Optimisation coûteuse multi-objectifs assistée par des modèles de substitution 09/11/2022
Optimisation robuste du crissement sous variabilités topographiques des surfaces de contact 20/06/2022
Contributions à l’optimisation multi-objectif à base de décomposition 03/12/2021
Optimisation de laboratoires d'analyse : de la modélisation à la résolution du problème 17/12/2018
Analyse de paysage et recherche heuristique pour l'optimisation multi-objectif 15/06/2022