Implémentation d'algorithmes d'optimisation distribuée

Implémentation d’algorithmes d’optimisation distribuée

Profil Étudiant / Étudiante niveau fin de bac ou master
Prérequis Bonne maîtrise de la programmation et affinités marquées pour l’algorithmique. Bases en programmation fonctionnelle (en particulier Scala)
Durée Minimum 12 semaines, possibilité de stage étendu (4 mois) avec phase d’apprentissage des bases nécessaires de Scala

L’adéquation du candidat ou de la candidate sera validée préalablement au démarrage du stage, et le sujet peut être ajusté au stagiaire si nécessaire.

Département: Algorithmique combinatoire 

Expertises:

Algorithmique et Optimisation Combinatoire 

Asset: OscaR.cbls 

Contexte

OscaR.cbls est un moteur d’optimisation par recherche locale basée sur des contraintes qui est développé par le CETIC en Scala.
OscaR.cbls est open source, sous licence LGPL.
OscaR.cbls dispose d’une couche permettant de répartir une optimisation sur plusieurs cœurs de calcul au moyen d’algorithmes d’optimisation distribuée. La machinerie utilisée pour la parallélisation/distribution est basée sur la librairie d’acteurs Pekko, intégrée au langage Scala.

Objectif du stage

L’objectif du stage est d’enrichir la librairie d’algorithmes d’optimisation distribuée sur base de l’architecture disponible. Ces algorithmes sont

  • Soit disponibles en brouillon et il s’agit de les robustifier pour les amener à une qualité acceptable pour un produit.
  • Soit issus de la littérature et seront développés durant le stage avec l’appui d’un tuteur.

Le niveau d’implication et le nombre d’algorithmes à développer sera aligné sur la durée du stage et les compétences du / de la stagiaire.

Encadrement

Il est prévu que le / la stagiaire ait du temps et de l’encadrement pour apprendre le langage Scala, la librairie Pekko et le moteur OscaR.cbls. Tout le travail sera encadré, mais nécessitera un minimum d’autonomie.
Le stage se déroulera dans le département d’algorithmique combinatoire du CETIC (COAL) comprenant 5 personnes dont 4 PhD et un Master en IT.

Références

  • OscaR.cbls : https://www.cetic.be/Oscar-CBLS?lang=fr
  • OscaR github : https://github.com/cetic/oscar-cbls
  • [Del18] Renaud De Landtsheer, Yoann Guyot, Gustavo Ospina and Christophe Ponsard, Combining Neighborhoods into Local Search Strategies, Recent Developments in Metaheuristics, 2018, Lionel Amodeo, El-Ghazali Talbi and Farouk Yalaoui, Springer, 43 – 57
  • [Os21] Ospina, Gustavo & De Landtsheer, Renaud. (2021). Towards Distributed Local Search Through Neighborhood Combinators, in Proceedings of the 10th International Conference on Operations Research and Enterprise Systems - ICORES, 248-255, 2021
  • Scala : http://www.scala-lang.org
  • Pekko : https://pekko.apache.org/

Contact : Renaud De Landtsheer