Pattern/Graph mining pour la résolution de problèmes d’ordonnancement

Niveau : M2

Période : 2e semestre 2024-25

Les problèmes d’ordonnancement ont pour but l’organisation optimale dans le temps de tâches/activités sous contraintes de temps/ressources. Les méthodes de résolution couramment utilisées pour la résolution de ce type de problème sont des méthodes exactes (MILP, PPC) ou bien des méthodes approchées (métaheuristiques).

Ce stage aura pour but de déterminer l’intérêt de techniques de machine learning, tel que le pattern mining ou bien le graph mining pour améliorer la résolution de ces problèmes. Le pattern mining est la science des données qui s’intéresse à la découverte de pattern pertinents dans des séries de données séquentielles. L’idée est d’extraire des informations sur la structure des solutions de bonnes qualités afin d’accélérer la résolution de ces problèmes.

Des expérimentations sont prévues sur différents problèmes, en utilisant des métaheuritiques ainsi que la Programmation Par Contrainte (PPC).

Un article sur ce thème précis de recherche : https://onlinelibrary.wiley.com/doi/full/10.1111/itor.12984

Compétences/Intérêts requis : Métaheuristiques/PPC ou Machine Learning

Arnaud LAURENT arnaud.laurent@univ-nantes.fr