Reacting and Adapting to the Environment: Designing Autonomous Methods for Multi-Objective Combinatorial Optimisation

Aymeric Blot 1, 2, 3
2 ORKAD - Operational Research, Knowledge And Data
CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189
3 DOLPHIN - Parallel Cooperative Multi-criteria Optimization
Inria Lille - Nord Europe, CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189
Résumé : Les problèmes d’optimisation à grande échelle sont généralement difficiles à résoudre de façon optimale. Des algorithmes d’approximation tels que les métaheuristiques, capables de trouver rapidement des solutions sous-optimales, sont souvent préférés. Cette thèse porte sur les algorithmes de recherche locale multi-objectif (MOLS), des métaheuristiques capables de traiter l’optimisation simultanée de plusieurs critères. Comme de nombreux algorithmes, les MOLS exposent de nombreux paramètres qui ont un impact important sur leurs performances. Ces paramètres peuvent être soit prédits et définis avant l’exécution de l’algorithme, soit ensuite modifiés dynamiquement. Alors que de nombreux progrès ont récemment été réalisés pour la conception automatique d’algorithmes, la grande majorité d’entre eux ne traitent que d’algorithmes mono-objectif et l’optimisation d’un unique indicateur de performance. Dans cette thèse, nous étudions les relations entre la conception automatique d’algorithmes et l’optimisation multi-objective. Nous passons d’abord en revue les stratégies MOLS possibles et présentons un framework MOLS général et hautement configurable. Nous proposons également MO-ParamILS, un configurateur automatique spécialement conçu pour gérer plusieurs indicateurs de performance. Nous menons ensuite plusieurs études sur la conception automatique de MOLS sur de multiples problèmes combinatoires bi-objectifs. Enfin, nous discutons deux extensions de la configuration d’algorithme classique : d’abord l’intégration des mécanismes de contrôle de paramètres, pour bénéficier de multiples prédictions de configuration; puis l’utilisation séquentielle de plusieurs configurations.
Type de document :
Thèse
Operations Research [cs.RO]. Université de Lille; CRIStAL UMR 9189, 2018. English
Liste complète des métadonnées

Littérature citée [50 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/tel-01896272
Contributeur : Aymeric Blot <>
Soumis le : mardi 16 octobre 2018 - 00:17:15
Dernière modification le : vendredi 22 mars 2019 - 01:36:47
Document(s) archivé(s) le : jeudi 17 janvier 2019 - 12:35:04

Fichier

pdfa.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : tel-01896272, version 1

Citation

Aymeric Blot. Reacting and Adapting to the Environment: Designing Autonomous Methods for Multi-Objective Combinatorial Optimisation. Operations Research [cs.RO]. Université de Lille; CRIStAL UMR 9189, 2018. English. 〈tel-01896272〉

Partager

Métriques

Consultations de la notice

152

Téléchargements de fichiers

166