L’objectif principal de l’équipe ORKAD est d’ exploiter simultanément l’ optimisation combinatoire et l’ extraction de connaissances pour résoudre des problèmes d’optimisation. Bien que les deux domaines scientifiques se soient développés de manière plus ou moins indépendante, la synergie entre l’optimisation combinatoire et l’extraction de connaissances offre une opportunité d’améliorer les performances et l’autonomie des méthodes d’optimisation grâce à la connaissance et, d’autre part, de résoudre efficacement les problèmes d’extraction de connaissances grâce aux méthodes de recherche opérationnelles. Nos approches sont principalement basées sur l’optimisation combinatoire mono et multi-objective et donnent lieu à la diffusion de logiciels libres.
Laetitia Jourdan
Algorithmes online pour la compression de graphes
Sélection et configuration d'algorithmes pour la construction d'emplois du temps universitaires
Digitalisation de la déconstruction sélective : simulation et optimisation des filières
Intégration de machine Learning pour la résolution de MO-VRPTWs avec applications dans l'environnement hospitalier
Modélisation, simulation et optimisation d'une supply chain multi-échelon
Configuration automatique de réseaux de neurones profonds, à l'aide de méthodes multi-objectifs
Multi-Configuration Automatique d'Algorithmes pour l'Optimisation Combinatoire 20/06/2022
Appariement de descripteurs évoluant dans le temps. Application à la comparaison d'assurance 03/04/2019
Optimisation de décisions économiques concurrentielles dans un simulateur de gestion d'entreprise 13/10/2017