2023


Retour à la vue des calendrier
Mardi 4 Avril
Heure: 10:30 - 11:30
Lieu: Salle B107, bâtiment B, Université de Villetaneuse
Résumé: Reformulations pour l'optimisation convexe par morceaux
Description: Renan Spencer Trindade La programmation non linéaire en nombres entiers (PNLNE) a fait l'objet d'une attention croissante de la part des chercheurs ces dernières années en raison de sa capacité à modéliser une grande variété d'applications dans le monde réel. Cependant, obtenir un optimum global d'un problème PNLNEs non convexes reste très difficile. Il est donc primordial d'exploiter, quand possible, toutes les propriétés mathématiques des PNLNE qu'on souhaite résoudre. Notre étude est motivée par la résolution de PNLNE lorsque le non-convexité se manifeste par la somme de fonctions univariées non convexes.

Nous proposons une méthode basée sur des relations PNLNE convexes, obtenues en traitant séparément les intervalles où chaque fonction univariée est convexe ou concave. Dans la relaxation PNLNE convexe, chaque intervalle concave est remplacé par une linéarisation par morceaux. Pour résoudre le PNLNE résultant, nous utilisons une méthode de plans coupants qui utilise des coupes perspectives. Pour atteindre l'optimum globale, la précision de la relaxation de l'intervalle concave est incrémentée de manière itérative.

Ce processus nécessite l'introduction de nouvelles variables binaires pour l'activation des intervalles dans lesquels les fonctions sont définies. Toutefois, cette étape de reformulation peut en fait être réalisée de différentes manières. Dans notre travail, nous comparons les trois différentes formulations classiques tant sur le plan théorique que sur le plan pratique. Nous prouvons que, contrairement au cas linéaire, les formulations ne sont pas équivalentes lorsque la reformulation en perspective est appliquée. Nous montrons l'impact des différentes formulations par des résultats de calcul.
Jeudi 15 Juin
Heure: 10:30 - 11:30
Lieu: Salle B107, bâtiment B, Université de Villetaneuse
Résumé: Decision support models for the extended producer
Description: Pablo Andrés Maya Extended Producer Responsibility (EPR) is an environmental policy instrument that mandates producers to assume responsibility for the entire life cycle of their products, encompassing production, commercialization, recovery, and final disposal. Operations Management (OM) and supply chain (SC) play pivotal roles in enabling circular strategies that facilitate the achievement of EPR objectives. This presentation aims to emphasize the primary challenges that must be addressed, along with the potential contribution of decision support models in overcoming them.
Jeudi 22 Juin
Heure: 10:30 - 11:30
Lieu: Salle B107, bâtiment B, Université de Villetaneuse
Résumé: A Polyhedral Approach to the Total Matching Problem
Description: Luca Ferrarini A total matching of a graph G = (V, E) is a subset of G such that its elements, i.e. vertices
and edges, are pairwise, not adjacent. In this context, the Total Matching Problem calls for
a total matching of maximum size. This problem generalizes both the Stable Set Problem,
where we look for a stable set of the maximum size, and the Matching Problem, where instead
we look for a matching of maximum size. In this talk, we present a polyhedral approach to
the Total Matching Problem, and hence, we introduce the corresponding polytope, namely
the Total Matching Polytope. To this end, we will present several families of nontrivial valid
inequalities which are facet-defining for the Total Matching Polytope. In addition, we provide
a first linear complete description for trees and complete bipartite graphs. For the latter
family, the complete characterization is obtained by projecting a higher-dimension polytope
onto the original space. This leads to also give an extended formulation of compact size for
the Total Matching Polytope of complete bipartite graphs.
Lundi 26 Juin
Heure: 12:00 - 13:00
Lieu: Salle B107, bâtiment B, Université de Villetaneuse
Résumé: ChêneTAL. Plateforme d’expérimentation sur des outils de traitement automatique des langues et d’intelligence artificielle
Description: Othman Boudarga La plateforme CheneTAL a été conçue pour permettre la mise en place de chaînes hétérogènes de
Traitement Automatique des Langues (TAL) en intégrant des logiciels existants en gestion et manipulation de corpus avec des modèles plus récents d’Intelligence Artificielle (IA), tout en gardant une interface simplifiée qui permette son utilisation et par les chercheur·euse·s de la communauté de Traitement Automatique des Langues (TAL) et par des chercheur·euse·s en Linguistique/Sciences Humaines et Sociales non experts en informatique. Pendant le séminaire, une première version fonctionnelle de la plateforme sera présentée.