Nom de l’entreprise ou du laboratoire | Laboratoire LERISS |
Adresse | Université de Paris 12 |
Responsable du stage | Patrick SIARRY & Johann Dréo |
Téléphone | 01.45.17.15.67 |
siarry@univ-paris12.fr | |
Travail à effectuer | Décrit en détails ci-dessous |
Matériel utilisé | PC sous Linux (ou Windows) |
Connaissances et compétences requises | Curiosité et/ou goût pour l’optimisation, bases en programmation |
Rémunération envisagée | Aucune |
Possibilités de poursuite en doctorat | Oui |
Les métaheuristiques sont largement utilisées dans le cadre de problèmes d’optimisation difficile, comportant, par définition, de nombreux optimums locaux. Afin de trouver l’optimum global sans être piégé localement, ces méthodes utilisent des algorithmes souvent inspirés de phénomènes naturels.
Les métaheuristiques sont en majorité employées pour résoudre des problèmes statiques à n dimensions, très courants dans beaucoup de domaines. Cependant, il existe des problèmes à n+t dimensions, où le problème d’optimisation doit être résolu pour chaque pas de temps. Ces problèmes nécessitent une adaptation des métaheuristiques pour prendre en compte la spécificité de la dimension t.
Nous proposons dans un premier temps d’implémenter une méthode classique de recherche locale spécialisée dans le suivi d’optimum en temps réel. Dans un second temps, il s’agira d’étudier la possibilité d’intégrer cette méthode dans une métaheuristique plus générale inspirée des colonies de fourmis développée au laboratoire. Enfin, l’algorithme final sera testé sur un jeu de test dynamique précédemment développé au laboratoire.