index - Bibliographie de l’équipe ORKAD

Équipe ORKAD - Operational Research, Knowledge And Data

ORKAD est une équipe de recherche du groupe thématique OPTIMA du laboratoire CRIStAL (Centre de Recherche en Informatique, Signal et Automatique de Lille, UMR CNRS 9189).

L’objectif principal de l’équipe ORKAD est d’ exploiter simultanément l’ optimisation combinatoire et l’ extraction de connaissances pour résoudre des problèmes d’optimisation. Bien que les deux domaines scientifiques se soient développés de manière plus ou moins indépendante, la synergie entre l’optimisation combinatoire et l’extraction de connaissances offre une opportunité d’améliorer les performances et l’autonomie des méthodes d’optimisation grâce à la connaissance et, d’autre part, de résoudre efficacement les problèmes d’extraction de connaissances grâce aux méthodes de recherche opérationnelles. Nos approches sont principalement basées sur l’optimisation combinatoire mono et multi-objective et donnent lieu à la diffusion de logiciels libres. 

Derniers dépôts

Chargement de la page

Documents en texte intégral

88

Notices

65

Mots clés

Clique Coverage path planning Augmented ϵ-constraint Combinatorial optimization Digital learning Combinatorial Optimization Routing Problems Complexity dichotomy Combinatorial optimisation Local Optima Networks Temporal data Adaptive Mechanisms Optimization Landscape analysis Déconstruction sélective Automatic algorithm configuration Local Search Automatic configuration Graph algorithm Contrôle adaptatif Clustering Automatic configuration tuning Recherche locale Bidimensionality Adaptive Control Métaheuristiques Multi-objective CCS Concepts • Applied computing → Multi-criterion optimization and decision-making Combinatorial optimization Delay-constrained minimum spanning tree Bi-objective Algorithmes de recherche locale CVRP Algorithme génétique Agent-based model Configuration automatique des algorithmes University timetabling Treewidth Classification Bottleneck objective function Neural architecture search Assurance Classification Algorithms Automatic algorithm design Timetabling Multi-objective local search Algorithmes évolutionnaires multiobjectifs Compromis exploration-exploitation Heuristics BIC Algorithm Selection Multi-Objective Optimisation Optimisation combinatoire Neural Architecture Search Dynamic programming Data mining E-Learning Dynamic programming core model Performance prediction Bayesian dynamic network Configuration automatique Automation Multi-Objective Optimization Machine learning Augmented ϵ -constraint Deep Learning Bi-objective optimization Local search Co-clustering Operations research Constrained minimum spanning tree problems Algorithm Configuration Metaheuristics Automatic Algorithm Configuration Approvisionnement multi article Approvisionnement Recherche opérationnelle Machine Learning Complexity Combinatorial Optimisation Automatic Configuration WEB Analyse de paysages de recherche Cluster Editing/Deletion/Completion problems Multi-objective optimization Domain Ontology Fitness Landscapes Corporate Design automatique d’algorithmes Gestion des stocks Clarke & Wright Drone swarms Biclustering MOEA/D Configuration automatique d'algorithmes Multi-objective optimisation Disaster relief Knowledge Discovery Drone swarms routing multi-agents systems humanitarian logistics disaster relief Routing Approvisionnement multi-échelon