Large Neighborhood Local Search for the P-Median Problem
Large quadratic programming problems generated by rigid body simulation.
Large-scale nonlinear programming algorithm using projection methods
A method for solving large convex optimization problems is presented. Such problems usually contain a big linear part and only a small or medium nonlinear part. The parts are tackled using two specialized (and thus efficient) external solvers: purely nonlinear and large-scale linear with a quadratic goal function. The decomposition uses an alteration of projection methods. The construction of the method is based on the zigzagging phenomenon and yields a non-asymptotic convergence, not dependent...
Layout Design of User Interface Components With Multiple Objectives
Le point sur quelques méthodes directes de recherche de l'extremum d'une fonction monodimensionnelle unimmodale
Le problème de collecte des ordures urbaines
Le problème des roulements de quarts pour les entreprises à feu continu
Le problème des signes de Thurstone. Une application de la méthode SEP
Le problème du voyageur de commerce dans un produit cartésien de deux graphes
Le traitement des solutions quasi optimales en programmation linéaire continue : une synthèse
Learnheuristics: hybridizing metaheuristics with machine learning for optimization with dynamic inputs
This paper reviews the existing literature on the combination of metaheuristics with machine learning methods and then introduces the concept of learnheuristics, a novel type of hybrid algorithms. Learnheuristics can be used to solve combinatorial optimization problems with dynamic inputs (COPDIs). In these COPDIs, the problem inputs (elements either located in the objective function or in the constraints set) are not fixed in advance as usual. On the contrary, they might vary in a predictable (non-random)...
Learning automata for data communication routing problem
Least Squares with a Quadratic Constraint.
Legendre functions and the method of random Bregman projections.
Les effets de l’exposant de la fonction barrière multiplicative dans les méthodes de points intérieurs
Les méthodes de points intérieurs en programmation linéaire connaissent un grand succès depuis l’introduction de l’algorithme de Karmarkar. La convergence de l’algorithme repose sur une fonction potentielle qui, sous sa forme multiplicative, fait apparaître un exposant . Cet exposant est, de façon générale, choisi supérieur au nombre de variables du problème. Nous montrons dans cet article que l’on peut utiliser des valeurs de plus petites que . Ceci permet d’améliorer le conditionnement de...
Les effets de l'exposant de la fonction barrière multiplicative dans les méthodes de points intérieurs
Les méthodes de points intérieurs en programmation linéaire connaissent un grand succès depuis l'introduction de l'algorithme de Karmarkar. La convergence de l'algorithme repose sur une fonction potentielle qui, sous sa forme multiplicative, fait apparaître un exposant p. Cet exposant est, de façon générale, choisi supérieur au nombre de variables n du problème. Nous montrons dans cet article que l'on peut utiliser des valeurs de p plus petites que n. Ceci permet d'améliorer le conditionnement...
Les problématiques de l'aide à la décision : vers l'enrichissement de la trilogie choix-tri-rangement
Les problèmes de tournées avec contraintes de fenêtres de temps, l'état de l'art
Les problèmes d'ordonnancement de type «flow-shop» hybride : état de l'art
Les problèmes d'ordonnancement de type flow-shop hybride : état de l'art
A special class of scheduling problems is studied in this paper, named Hybrid Flowshop, n jobs have to be performed in a shop and each of them has the same routing (so this is a flowshop). A job consists in k different operations. A set of machines are able to perform each operation and this set is called a stage. So when a job consists in two operations, there are two stages in the shop. After introducing the scheduling generalities, we define our preocupations and we propose a notation in...