Objet: Rencontre 6
Participants : Charles Audet, Sébastien Le Digabel, Miguel Diago-Martinez et Xavier Lebeuf
Lieu : https://polymtl.webex.com/polymtl/j.php?MTID=mce59ac21d51589ec7c91330b9fe29ccd
Support visuel: meeting_30_juin.pptx

1. Céation de définitions mathématiques utiles et d'un modèle de partition optimale des contraintes modele_et_definitions.pdf (mis à jour après la rencontre)
2. Analyses graphiques
3. Lancement de plusieurs optmisations nomad en parallèle sur CASIR

 Liste des analyses graphiques:
 - heatmap des fidélités minimales représentatives des points d'un hypercube latin, pour solar 2,3,4,7
 - heatmap des fidélités minimales représentatives des points d'une optimisation nomad à fid=0.2, pour solar 2,3,4,7
 - heatmap des fidélités minimales représentatives des points d'une optimisation nomad à fid=1, pour solar 2,3,4,7
 - graphe de convergence de 20 optimisations en ne variant que la graine de solar, pour solar 2,3,4,7
 - graphe de convergence de 20 optimisations en ne variant que la graine de nomad, pour solar 2,3,4,7
 - graphe de convergence de 3 optimisations en ne variant que la fidélité, pour solar 2,3,4,7
 - graphe de convergence d'une optimisation avec budget de 1e4 évaluations, pour solar 2,3,4,7
 - heatmap de l'impact de la fidélité sur l'objectif des points d'un hypercube latin, pour solar 7
 - heatmap de l'impact de la fidélité sur l'objectif des points d'une optimisation nomad à fid=0.2, pour solar 7
 - heatmap de l'impact de la fidélité sur l'objectif des points d'une optimisation nomad à fid=1, pour solar 7
 - graphe des valeurs des contraintes pour chaque contrainte, pour solar 2,3,4,7
 - graphe des temps moyen d'évaluation à différentes fidélités, pour solar 2,3,4,7

1. Alliance, thème et sujet
2. Très court retour sur la rencontre d'il y a un mois
3. Définitions mathématiques
4. Analyses graphiques (voir avancements)
5. Partition des contraintes
6. Pour les deux prochaines semaines

1. Mon projet dans le cadre de l'alliance HQ: Thème 1, PhD, Sujet : titre de la thèse
2. Revoir la notation: f pour l'objectif, n pour le nombre de variable, pas nommer une fonction par une partie de mot comme sati()
3. Graphiques de satisfaction des contraintes: pas relier les points, scatter plot pour mieux voir. Ajouter la proportion des points dans le titre
4. Le temps est probablement corrélé à x_6
5. Beaucoup beaucoup de points ont une fidélité représentative minimale de 0.05 et très peu ont une grande fidélité représentative minimale, choisir des fidélités sur une échelle logarithmique peut être très intéressant

1. Analyses avec fidélités sur échelle logarithmique
2. Corrélation x_6 et temps d'évaluation
3. Trouver solveur qui résout mon modèle de partition des contraintes optimale
4. Essayer des versions heuristiques ou simplifiées du modèle. Essayer nomad sur le modèle
5. minimiser et maximiser chaque variable pour trouver de meilleurs bornes
6. Concevoir des petits tests pour évaluer si l'idée de résoudre périodiquement le modèle de partition des contraintes a du potentiel

Retour à la page principale