En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Doctorant (H/F) Optimisation robuste avec découverte d'information: propriétés, complexité, et résolution

Cette offre est disponible dans les langues suivantes :
- Français-- Anglais

Date Limite Candidature : vendredi 26 juillet 2024 23:59:00 heure de Paris

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler

Informations générales

Intitulé de l'offre : Doctorant (H/F) Optimisation robuste avec découverte d'information: propriétés, complexité, et résolution
Référence : UMR5506-MICPOS-001
Nombre de Postes : 1
Lieu de travail : MONTPELLIER
Date de publication : vendredi 5 juillet 2024
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 octobre 2024
Quotité de travail : Temps complet
Rémunération : La rémunération est d'un minimum de 2135,00 € mensuel
Section(s) CN : Sciences de l'information : fondements de l'informatique, calculs, algorithmes, représentations, exploitations

Description du sujet de thèse

Trouver la meilleure décision pour un problème d'optimisation donné nous met au défi de gérer l'incertitude impliquée dans ce processus. Si nous connaissions parfaitement l'état du monde et les conséquences de nos actions, il serait relativement simple de choisir la meilleure décision ici et maintenant. Malheureusement, ce n'est pas le cas en pratique, et nous pouvons au mieux utiliser un modèle d'incertitude qui nous aide à prédire les conséquences de nos actions et décisions. L'optimisation robuste a émergé au cours des 20 dernières années comme un modèle solide pour tenir compte de cet aspect, principalement en raison de sa faible complexité numérique et de sa facilité de description, étant donné que les valeurs possibles des paramètres incertains sont décrites par des ensembles.

Cependant, l'optimisation robuste ignore la possibilité d'explorer l'incertitude par le décideur avant de prendre sa décision, par exemple, en investissant davantage de ressources dans les prévisions ou en recueillant des données supplémentaires. Cette exploration est cependant essentielle dans de nombreuses applications critiques. Par exemple, dans la planification des transplantations d'organes, l'incertitude liée à la compatibilité entre donneurs et patients doit être étudiée via des tests médicaux coûteux. C'est également le cas dans l'élaboration des préférences avec des recommandations réelles, où l'on peut examiner à quel point les utilisateurs aiment une option particulière qui leur est proposée.

Explorer l'incertitude conduit à des problèmes d'optimisation définis en plusieurs étapes : dans la première étape, le décideur explore l'ensemble d'incertitude. Avec les informations obtenues, il ou elle décide de sa meilleure solution, résolvant ainsi un problème d'optimisation robuste avec de l'incertitude dans les paramètres restants. Mathématiquement parlant, cela donne lieu à des problèmes d'optimisation ajustables difficiles, avec des ensembles d'incertitudes dépendant de la décision.

La thèse visera à étudier ces problèmes du point de vue numérique et théorique.

Contexte de travail

Le travail aura lieu au sein de département informatique du LIRMM. Les équipes du département Informatique couvrent un très large spectre de la recherche en informatique. Sur le plan théorique, elles abordent les fondements du calcul, la science des données et l’intelligence artificielle, la bioinformatique, l’analyse d’images et le génie logiciel. Plusieurs applications sont privilégiées incluant la biologie et les sciences de la vie, la santé, l’agriculture, l’écologie et la biodiversité, mais aussi les sciences humaines et sociales. La valorisation sur ces thématiques avec le monde socio-économique (centres hospitaliers, start-ups, entreprises locales ou régionales, multinationales) fait l’objet de nombreuses conventions de collaborations.

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.