Missions

Le candidat retenu sera amené à mener des travaux de recherche et satisfaire les objectifs identifiés dans le cadre du projet source du financement.
Le candidat retenu devra interagir et collaborer avec les membres de l'équipe ainsi que les autres partenaires, impliqués dans le projet.
Le candidat retenu devra produire des délivrables et rapports de suivi dans le cadre de la gestion du projet et publier les résultats des travaux de recherche dans des conférences et revues du domaine.

Activités

Les algorithmes d'optimisation de type boîte noire sont des solveurs à usage général, souvent utilisés pour résoudre des problèmes d'optimisation difficiles pour lesquels on ne dispose que de peu de temps ou de connaissances pour développer des stratégies de résolution adaptées au problème. Il existe une pléthore d'algorithmes d'optimisation de type boîte noire, qui se complètent mutuellement en termes de forces et de faiblesses pour différents types de problèmes et pour différentes étapes du processus d'optimisation. Bien que cette complémentarité soit largement reconnue, nous manquons d'approches efficaces pour en tirer parti, ce qui entraîne des solutions sous-optimales qui entraînent une utilisation inefficace de nos ressources limitées.
L'objectif de ce poste de postdoctorant est de nous aider à développer des techniques efficaces pour choisir des problèmes d'optimisation de type boîte noire adaptés à une tâche donnée de manière automatisée et à la volée. Les questions clés qui guideront nos recherches sont (1) quel algorithme sélectionner pour la phase initiale, (2) quand passer d'un algorithme à un autre et (3) comment démarrer à chaud le solveur sélectionné afin qu'il puisse continuer la recherche de solutions de haute qualité aussi efficacement que possible.
Le poste est financé par le projet ERC Consolidator « dynaBBO : sélection et configuration dynamiques d'algorithmes d'optimisation de boîte noire ».

Compétences

Le candidat doit être à l'aise avec les algorithmes d’optimisation type boite noir ainsi que avec les approches d’apprentissage automatique automatisé.

Contexte de travail

Le candidat travaillera au laboratoire LIP6 de Sorbonne Université, où il sera encadré par Carola Doerr, directrice de recherche CNRS. Le postdoc s'intégrera dans l'équipe de recherche opérationnelle (RO) du LIP6.
Le poste est financé via la bourse ERC Consolidator « dynaBBO : Dynamic Selection and Configuration of Black-box Optimization Algorithms ». Des fonds pour les déplacements et la participation à des conférences sont disponibles. Le postdoc aura accès aux ressources informatiques du LIP6 et de Sorbonne Université.
Notre langue de travail est l'anglais. Aucune compétence en français n'est requise.

Contraintes et risques

Non pertinent.