Différences

Ci-dessous, les différences entre deux révisions de la page.

--- groupe-dfo-bbo:acteurs:students:master:renaud-saltet:main-page [2020/05/07 14:58]
saltrena [Projet : hybridation de substituts en optimisation de boîtes noires]
+++ groupe-dfo-bbo:acteurs:students:master:renaud-saltet:main-page [2021/10/27 17:46] (Version actuelle)
saltrena
@@ Ligne 3: / Ligne 3: @@
 Contact : <[email protected]> \\
-==== Projet : hybridation de substituts en optimisation de boîtes noires ====
+==== Projet : Quantification de l'incertitude avec un ensemble de substituts pour l'optimisation de boîtes noires ====
-[[ groupe-dfo-bbo:acteurs:students:master:renaud-saltet:avancement|Avancement du projet]]
+[[.:projet:avancement|Avancement du projet]]
 === Contexte ===
-En optimisation de boîtes noires, l'utilisation de //substituts// est une méthode bien établie. Un substitut est un problème sensé imiter le problème de départ et donc guider sa résolution tout en étant moins coûteux en temps de calcul. Les substituts sont classés en deux catégories : statique et dynamique. Un substitut statique est une version simplifiée de la boîte noire qui est donnée dès le départ et n'évolue pas au cours de l'optimisation,
+En optimisation de boîtes noires, l'utilisation de //modèles substituts// est une méthode bien établie. Un modèle substitut est censé imiter le comportement de la boîte noire. Il permet donc de guider la résolution du problème tout en étant moins coûteux en temps de calcul. En un point inconnu de l'espace de recherche, certains modèles fournissent non seulement une prédiction mais aussi une estimation de l'incertitude sur cette prédiction, ce qui est une information précieuse. Ces modèles sont dits //stochastiques//, à l'inverse des modèles déterministes qui ne permettent pas de quantifier l'incertitude.\\
-alors qu’un substitut dynamique est un modèle construit au fur et à mesure des évaluations de la boîte noire. \\
+Il est courant d'utiliser plusieurs modèles déterministes pour la résolution d'une même boîte noire afin de bénéficier des avantages de chacun. Cependant, de telles méthodes ne permettent pas de quantifier l'incertitude d'une prédiction à un point inconnu. La méthode proposée tente de remédier à cela en fournissant une incertitude malgré le caractère déterministes des modèles. Cette mesure de l'incertitude est ensuite exploitée de différentes façons pour guider la résolution du problème.
+Article : [[http://www.optimization-online.org/DB_HTML/2021/07/8489.html|Cahier du GERAD]] [[https://arxiv.org/abs/2107.04360|Arxiv]]
-Dans l'article ((C. Audet and J. Côté-Massicotte. Dynamic improvements of static surrogates in direct search optimization. Optimization Letters, 13(6), 1433-1447, 2019.)) issu des travaux de maîtrise de Julien Côté-Massicotte, une hybridation entre substitut statique et substitut dynamique est proposée. L'idée est d'ordonner les points d'essai de l'étape de sonde locale à l'aide d'un modèle quadratique construit non seulement avec les points de la cache mais aussi avec le résultat d'un substitut statique. Mon projet de maîtrise consiste à explorer la piste ouverte par ces travaux.