Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Discovery Grants Program - Individual

Université de Sherbrooke

$29,000.00

Solution numérique de modèles d'équilibre

EF 2021-22

Résumé
Mon programme de recherche s'articule autour de l'étude d'algorithmes d'optimisation mathématique continue. Mes travaux actuels portent sur la robustesse, fiabilité et efficacité des algorithmes, en particulier pour des problèmes comportant diverses formes de dégénérescence. Je suis activement impliqué dans des projets d'applications en reconstruction tomographique. La nature de ma recherche est plutôt théorique et abstraite. Dans un but d'avancement des connaissances, je m'efforce de comprendre le comportement et les performances d'algorithmes d'optimisation. Une telle compréhension théorique ne me suffit pas, cependant. Je vise à combler l'écart entre la théorie et les applications pratiques des algorithmes que j'étudie. Dans les applications, souvent, des algorithmes ayant des lacunes en théorie sont toutefois utilisés avec succès. D'un autre côté, plusieurs algorithmes aux propriétés théoriques enviables ne performent tout simplement pas bien dans les applications. Une grande motivation de mon travail est de proposer des algorithmes théoriquement solides et performant en pratique. Mes travaux comportent un va-et-vient continuel entre l'analyse mathématique d'un algorithme et l'observation de son comportement sur un jeux d'exemples. Dans ce contexte, j'ai adopté depuis quelques années le langage de programmation Julia. Ce langage de haut niveau permet d'exprimer des variantes algorithmiques avec beaucoup d'expressivité, permettant de tester aisément des nuances qui à leur manières inspirent les résultats théoriques de convergence. Au fil d'opportunités de collaborations, je participe également à des projets d'applications. Par exemple, en tomographie ou planification de production électrique. Tout en poursuivant l'avancement des connaissances, je me préoccupe donc également de combler l'écart entre la pratique et la théorie. Les retombées de mes travaux auront un impact sur les applications notamment dans les problèmes d'imagerie et dans les problèmes d'apprentissage automatique.
Programme
Discovery Grants Program - Individual
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data

Tel que publié

Application id
RGPIN-2020-05559
Name nom
Dussault, Jean-Pierre
Department département
Informatique - Informatique
Organization id
68
Institution établissement
Université de Sherbrooke
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2021
Competition year année de concours
2020
Award amount
29000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
Discovery grants programs
Group fr
Programmes de subventions à la découverte
Committee code
1507
Committee name en
Computer Science
Committee name fr
Sciences informatiques
Area of application code
1200
Area of application group en
Advancement of knowledge
Area of application group fr
Avancement des connaissances
Area of application en
Advancement of knowledge
Area of application fr
Avancement des connaissances
Research subject code
2715
Research subject group en
Information technology
Research subject group fr
Technologie de l'information
Research subject en
Optimization
Research subject fr
Optimisation
Installment
inst:2
Partie
1
Nb partie
5
Application title
Solution numérique de modèles d'équilibre
Keyword
NSERC
Application summary
Mon programme de recherche s'articule autour de l'étude d'algorithmes d'optimisation mathématique continue. Mes travaux actuels portent sur la robustesse, fiabilité et efficacité des algorithmes, en particulier pour des problèmes comportant diverses formes de dégénérescence. Je suis activement impliqué dans des projets d'applications en reconstruction tomographique. La nature de ma recherche est plutôt théorique et abstraite. Dans un but d'avancement des connaissances, je m'efforce de comprendre le comportement et les performances d'algorithmes d'optimisation. Une telle compréhension théorique ne me suffit pas, cependant. Je vise à combler l'écart entre la théorie et les applications pratiques des algorithmes que j'étudie. Dans les applications, souvent, des algorithmes ayant des lacunes en théorie sont toutefois utilisés avec succès. D'un autre côté, plusieurs algorithmes aux propriétés théoriques enviables ne performent tout simplement pas bien dans les applications. Une grande motivation de mon travail est de proposer des algorithmes théoriquement solides et performant en pratique. Mes travaux comportent un va-et-vient continuel entre l'analyse mathématique d'un algorithme et l'observation de son comportement sur un jeux d'exemples. Dans ce contexte, j'ai adopté depuis quelques années le langage de programmation Julia. Ce langage de haut niveau permet d'exprimer des variantes algorithmiques avec beaucoup d'expressivité, permettant de tester aisément des nuances qui à leur manières inspirent les résultats théoriques de convergence. Au fil d'opportunités de collaborations, je participe également à des projets d'applications. Par exemple, en tomographie ou planification de production électrique. Tout en poursuivant l'avancement des connaissances, je me préoccupe donc également de combler l'écart entre la pratique et la théorie. Les retombées de mes travaux auront un impact sur les applications notamment dans les problèmes d'imagerie et dans les problèmes d'apprentissage automatique.