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. 

Documents en texte intégral

88

Notices

65

Mots clés

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