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
Sélection et configuration d'algorithmes pour la construction d'emplois du temps universitaires
Nouveaux algorithmes de prédiction et de planification pour le digital learning basés sur des méthodes d'optimisation
MO-AutoML : un framework multiobjectif pour la configuration automatique d'algorithmes de machine learning
Automatic Design of Dynamic Local Search Algorithms
Configuration automatique de réseaux de neurones profonds, à l'aide de méthodes multi-objectifs
Cadre général et méthodes d'optimisation pour la planification de stock en contextes industriels 27/08/2020
Optimisation de décisions économiques concurrentielles dans un simulateur de gestion d'entreprise 13/10/2017