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

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