Thèse de Doctorat
2018 - 2021 - Université de Lille / Inria
Contributions à l’optimisation multi-objectif à base de décomposition
Dans cette thèse, nous nous intéressons à l’optimisation combinatoire multi-objectif, et en particulier aux algorithmes évolutionnaires à base de décomposition.
Ce type d’approches consiste à décomposer le problème multi-objectif original en plusieurs sous-problèmes mono-objectifs, qui sont alors résolus de façon coopérative.
Contributions principales
1. Répartition des efforts de calculs
- Étude de l’impact conjoint de la taille de la population et du nombre de solutions générées par itération
- Proposition de stratégies de sélection des sous-problèmes à optimiser
2. Mécanismes d’échappement des optima locaux
- Techniques inspirées de l’optimisation mono-objectif
- Amélioration du profil de convergence des approches
3. Optimisation coûteuse
- Utilisation de méta-modèles combinatoires
- Intégration dans des approches évolutionnaires multi-objectifs
Directeurs de thèse
- Équipe Cristal / Inria
- Spécialité : Intelligence Artificielle et Optimisation
Publications associées
- Articles dans des conférences internationales (GECCO, EvoCOP, IEEE CEC)
- Développement du framework moead-framework (Python)