Grant: Discovery Grants Program - Individual

L'optimisation multicritère est une formulation généralisée et naturelle des problèmes d'optimisation. L'utilisation des algorithmes évolutionnaires dans l'optimisation des problèmes multicritères permet la prise en considération directe des objectifs à optimiser, sans l'aide de pondération a priori. Toutefois, l'application des algorithmes évolutionnaires, dans ce contexte, n'est pas simple. En effet, il existe un nombre d'obstacles qui rendent ces algorithmes rébarbatifs pour leur déploiement concret. Les principaux obstacles sont la nature stochastique et la variété des algorithmes existants; la détermination des paramètres de contrôle et la charge de calcul de ces algorithmes. Les objectifs de ce programme de recherche sont: (1) Établir de façon automatique l'intervalle utile des paramètres de contrôle des algorithmes évolutionnaires, par une nouvelle méthode d'estimation, malgré les incertitudes et la nature stochastique des variables. (2) Classifier statistiquement la performance de ces algorithmes en utilisant un cadre de comparaison multiple non paramétrique, un ensemble de problèmes de référence et trois problèmes d'application : la génération des horaires, la prédiction de la volatilité financière, l'extraction des caractéristiques dans la reconnaissance d'écriture manuscrite. (3) Dégager une politique de balancement de la charge de calcul en arrimant le modèle d'exécution des algorithmes évolutionnaires distribués avec le modèle de communication d'une grappe d'ordinateurs. ? terme, la combinaison de l'estimation des paramètres de contrôle, de la classification statistique de la performance et de la politique de balancement de calcul permettra la création d'une plateforme informatique capable d'automatiser le choix et la configuration des algorithmes évolutionnaires distribués dans l'optimisation des problèmes multicritères.