Synthèse d'algorithmes d'ordonnancement à partir de modèles de haut niveau

Jean-Noël Monette (1) , Yves Deville (1) , Pascal van Hentenryck (2)

1 INGI - Département d'Ingénierie Informatique - UCL
2 Brown University - Department of Computer Science

Ce papier décrit AEON, un système dédié à la synthèse d'algorithmes d'ordonnancement à partir de modèles de haut niveau. AEON, qui est entièrement écrit en COMET, prend en entrée le modèle de haut niveau d'un problème d'ordonnancement et l'analyse pour générer un algorithme dédié et qui exploite la structure du problème. AEON oeure une variété de synthétiseurs pour générer des algorithmes complets ou heuristiques. En outre, ces synthétiseurs peuvent être composés, permettant de générer naturellement des algorithmes hybrides complexes. Les premiers résultats montrent que cette approche peut être compétitive avec l'état de l'art des algorithmes de recherche.

Domaines: Intelligence artificielle [cs.AI]

Jean-Noël Monette, Yves Deville, Pascal van Hentenryck. Synthèse d'algorithmes d'ordonnancement à partir de modèles de haut niveau. Cinquièmes Journées Francophones de Programmation par Contraintes, Orléans, juin 2009, Jun 2009, France. pp.45-55. ⟨hal-00384387⟩