vendredi 8 novembre 2024

Denis Pallez soutiendra son habilitation à diriger des recherches (HDR) intitulée « Métaheuristiques pour l'optimisation coûteuse » le vendredi 8 novembre 2024 à 14 h00 dans le bâtiment Euclide, salle 007.

 

Résumé : 
Un problème d’optimisation est dit coûteux lorsque l’évaluation de l’intérêt d’une solution potentielle 
requiert un accès à des ressources très importantes, voire difficilement mobilisables. Ce type de 
problème pénalise fortement les méthodes d’optimisation pour trouver, dans un temps raisonnable ou 
plus généralement avec des ressources raisonnables, une ou plusieurs solutions satisfaisantes pour le problème. 
Traditionnellement, les métaheuristiques sont employées pour résoudre des problèmes complexes 
pour lesquels on ne connaît pas de méthode de résolution classique plus efficace. Ces problèmes sont 
majoritairement caractérisés par beaucoup de dimensions, une multitude d’objectifs souvent contradictoires, 
de nombreuses contraintes, ou par des fonctions d’évaluation fondées sur une grande masse de 
données ou qu’on ne sait pas calculer automatiquement. Ceci donne lieu à une optimisation coûteuse. 
En nous focalisant sur des métaheuristiques à base de population, nous présentons trois grandes classes 
de stratégies pour réduire le coût global du processus d’optimisation à savoir la réduction du coût de 
l’évaluation, l’accélération de la convergence de la métaheuristique et l’augmentation des ressources de 
calcul. Nous adoptons et illustrons ces stratégies sur des problèmes applicatifs très différents comme 
la fouille d’images par le contenu, la paramétrisation d’un processeur d’images ou la modélisation de 
réseaux de régulation génétique, tous considérés comme des problèmes complexes et coûteux. Toutefois, 
nous montrons que, bien souvent, réduire un coût en particulier se traduit par l’augmentation d’un 
autre type de coût et qu’il est nécessaire de combiner plusieurs stratégies en portant une attention 
particulière au coût de la stratégie elle-même. Nous soutenons que l’avenir de l’optimisation coûteuse 
réside dans l’intégration de multiples stratégies de réduction, prenant en considération une diversité de 
coûts potentiels tels que le temps, les ressources matérielles, humaines, financières et environnementales. 
Dans ce but, nous préconisons l’utilisation d’une approche d’optimisation multiobjectif, dans laquelle 
chaque coût est associé à un objectif distinct, afin d’éviter ou du moins de contrôler les transferts de 
coûts.