Informations générales
Intitulé de l'offre : Postdoc (H/F) - Méthodes hybrides pour l’optimisation combinatoire
Référence : UPR8001-CHRART-002
Nombre de Postes : 1
Lieu de travail : TOULOUSE
Date de publication : mercredi 25 septembre 2024
Type de contrat : CDD Scientifique
Durée du contrat : 12 mois
Date d'embauche prévue : 1 novembre 2024
Quotité de travail : Temps complet
Rémunération : "entre 2991 et 4166€ brut mensuel selon expérience"
Niveau d'études souhaité : Niveau 8 - (Doctorat)
Expérience souhaitée : Indifférent
Section(s) CN : Interactions, particules, noyaux du laboratoire au cosmos
Missions
Les problèmes d’optimisation combinatoire possèdent certaines caractéristiques structurelles communes qui rend leur résolution extrêmement ardue et les méthodes existantes ne passent en général pas à l’échelle et le recours à des heuristiques sans garanties de performance est fréquent. La combinaison de différentes approches est souvent la clé d’une avancée significative pour l’optimisation combinatoire. Il s’agit de mener des recherches sur différentes hybridations entre plusieurs composantes parmi la programmation linéaire et non linéaire en nombres entiers mixtes, la programmation par contraintes, la programmation dynamique, la satisfiabilité booléenne, la recherche locale. Des études théoriques de décomposition structurelles des problèmes d’optimisation combinatoire doivent permettre d’aider à la répartition de la résolution vers les différents composants algorithmiques. Parmi ces composants, il faut aussi inclure l’apprentissage automatique. Le remplacement de composants d’optimisation, généralement heuristiques, par des techniques de traitement statistique des données est en effet un domaine très actif en optimisation combinatoire. Néanmoins, de nombreux défis restent à relever pour mieux adapter les techniques d’apprentissage à ce domaine. Notamment, le temps nécessaire pour apprendre de bonnes décisions empêche pour le moment ne utilisation intensive de ces techniques en recherche arborescente. De même, la qualité des heuristiques obtenues pourrait être mieux exploitée en réexaminant la nature de l’exploration arborescente et en privilégiant une exploration vers les meilleures prédictions, ce qui pose d’autres enjeux de complexité spatiale. Mais l’hybridation apprentissage automatique / algorithme d’optimisation combinatoire n’est pas le seul enjeu. Les questions d’intégration et d’interaction entre la programmation linéaire en nombres entiers et les algorithmes de satisfiabilité booléenne constitue un autre verrou scientifique à lever.
Activités
Activité de recherche
Compétences
Recherche Opérationnelle, Programmation Mathématique, Programmation par contraints
Contexte de travail
Le Laboratoire d'analyse et d'architecture des systèmes est une unité propre du CNRS rattachée aux instituts CNRS Sciences informatiques et CNRS Ingénierie. L'équipe ROC (Recherche Opérationnelle, Optimisation Combinatoire et Contraintes) mène des recherches sur les problèmes d'optimisation combinatoire et les méthodes algorithmiques pour les résoudre, à la frontière entre Recherche Opérationnelle et Intelligence Artificielle.
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.