|
|
 |
|
Mardi 8 Janvier
| Heure: |
12:30 - 13:30 |
| Lieu: |
Salle B107, bâtiment B, Université de Villetaneuse |
| Résumé: |
Aller-retour et voyageur de commerce dans les réseaux de transports urbain |
| Description: |
Pierre Parent Le problème de l'aller-retour se pose lorsque l'on dispose d'un véhicule
personnel, et que l'on peut faire une partie du trajet à l'aide de celui-ci,
et le restant via les transports en communs. Il s'agit alors de trouver quel
trajet choisir à l'aller et au retour, pour minimiser le temps total, sachant
que si la voiture est garée à un endroit à l'aller on doit passer la
rechercher à ce même endroit au retour.
Dans le problèmes de voyageur de commerce nous avons un certain nombre
d'endroit à visiter en ville, et il s'agit de trouver le trajet optimal
passant par tout ces points en utilisant les transports en commun. La difficulté
réside dans le fait que les trains, arrivent et partent à des heures fixées de
la journée.
Nous proposerons des méthodes de résolution pour les deux problèmes, ainsi que
des résultats expérimentaux. |
Mardi 29 Janvier
| Heure: |
12:30 - 13:30 |
| Lieu: |
Salle B107, bâtiment B, Université de Villetaneuse |
| Résumé: |
Combinaison automatique d'algorithmes et heuristiques |
| Description: |
Yanik Ngoko Sur de nombreux problèmes combinatoires comme SAT ou CSP, on peut
facilement trouver, étant donné un sous ensemble d'heuristiques, un sous
ensemble d'instances du problème sur lequel aucune heuristique ne domine
complètement les autres(*). Ceci a motivé de nombreux travaux ayant pour
but de combiner plusieurs heuristiques résolvant le même problème afin
d'exploiter leur diversité.
Dans cet exposé, nous nous intéressons à cette problématique en contexte
parallèle et homogène. Dans les solutions décrites, une combinaison est
obtenue en exécutant de façon concurrente dans le temps et dans l'espace
(coeurs, processeurs, régistres caches etc.) plusieurs heuristiques,
jusqu'à ce que l'une d'elles trouve une solution satisfaisante. Pour
apprendre à construire de telles combinaisons, nous proposons une
solution d'apprentissage basée sur une estimation du temps d'exécution
des heuristiques sur un jeu d'instances représentatives. Le coeur de
notre proposition peut être formulé comme un  problème combinatoire dont
nous prouvons la  np-completude et l'inapproximabilité. Nous proposons
pour sa résolution plusieurs heuristiques, avec garanti de performance
sous certaines hypothèses.
Finalement, nous présentons quelques résultats de notre approche de
combinaison sur les problèmes SAT et CSP.
(*) Par exemple dans le temps pris pour donner une solution satisfaisante.. |
|
|
