Réunion du groupe ATOM

La prochaine réunion du groupe ATOM (Applications et Théorie de l'Optimisation Multiobjectif), groupe de travail du GDR ROD (Recherche Opérationnelle et Décision), aura lieu le 1er juillet 2026 à Sorbonne Université, campus Pierre et Marie Curie (4, place Jussieu, 75005 Paris), salle 24-25/103 (entrée par la tour 25 ou 24, couloir 24-25, salle 103 au 1er étage).

Programme

• 9h30 — accueil


• 10h — Xavier Gandibleux (Université de Nantes) : Modéliser et résoudre des problèmes d'optimisation multi-objectif avec JuMP et MultiObjectiveAlgorithms (présentation invitée) .
  Cette présentation proposera une introduction pratique à l’optimisation multi-objectif avec Julia, centrée sur l’utilisation de JuMP et du package MOA. Les participants seront invités à suivre les démonstrations en direct sur leur propre ordinateur ; il sera donc nécessaire de venir avec une installation de Julia déjà opérationnelle. L’objectif est d’aborder rapidement la modélisation, la résolution et l’analyse de problèmes multi-objectifs.
  
• 11h — Anas Mifrani (IFP Energies nouvelles) : MultiobjectiveMDP: An Open-Source R Package for Solving Multi-Objective Markov Decision Processes
  Multi-objective Markov decision processes (MMDPs) provide a quantitative model of sequential decision making in stochastic environments where multiple, typically conflicting or incommensurate, desiderata must be considered in the assessment and comparison of alternative policies. In this talk, I will introduce multiobjectiveMDP, a newly released open-source R package for analyzing and solving MMDPs. I will review the concepts underlying MMDPs before turning to basic package functionality, with an emphasis on how users can specify models and compute Pareto efficient policies. These features will be illustrated through a simple application.
  
• 11h — Diederick Vermetten (Sorbonne Univeristé) : MO-IOHinspector: Anytime Benchmarking of Multi-Objective Optimization Heuristics
  Benchmarking is key to understanding an algorithm's strengths and weaknesses, especially in the black-box optimization context. This presentation will go over the inherent challenges in benchmarking these optimizers in an anytime context, where, rather than looking only at final performance, we compare performance over time. These challenges inform the design principles behind IOHinspector, an open-source tool for analyzing optimization performance from a variety of perspectives. We will showcase the capabilities of the toolbox, and illustrate its functionality by presenting some recent results that build upon this foundation.
  
• 11h30 — Baris Kaftancioglu (Sorbonne Université) : Algorithmes de résolution efficaces pour le problème d’optimisation combinatoire biobjectif ordinal sans contraintes
  Le problème d’optimisation combinatoire biobjectif ordinal sans contraintes consiste à optimiser simultanément deux fonctions objectif définies sur un ensemble fini de solutions, sans imposer de contraintes supplémentaires sur les variables de décision. Contrairement aux approches classiques où les valeurs des objectifs sont numériques et comparables quantitativement, le cadre ordinal repose sur des préférences, des classements ou des ordres relatifs entre les solutions. Le problème peut être reformulé comme un problème multiobjectif à (K+1) objectifs, où (K) est le nombre de catégories. Nous présenterons trois méthodes exactes fondées sur cette reformulation et comparerons leurs performances à l’aide de tests numériques.
• 12h — Déjeuner
  
• 14h — Fares Chouaki (Sorbonne Université) : Multi-objective deep Q-networks
  MO-CDQN : un algorithme value-based pour le MORL sous critère ESR En nous appuyant sur le distributional RL et le Multi-Objective RL (MORL), nous proposons MO-CDQN, un algorithme basé sur les valeurs qui apprend la politique maximisant l'expected scalarized return (ESR), pour une fonction de scalarisation éventuellement non linéaire. Via la dualité de Kantorovich-Rubinstein, nous prouvons la validité de la méthode pour des scalarisations Lipschitz-continues : les distributions de retour convergent vers un point fixe d'ESR optimal. Nous l'étendons ensuite au premier algorithme multi-politiques value-based pour le MORL sous critère ESR. Sur le benchmark MO-gymnasium, les résultats sont prometteurs : de meilleures politiques que l'état de l'art avec moins d'interactions, et un algorithme multi-politiques qui exploite sa nature off-policy pour optimiser plusieurs politiques en parallèle.
• 14h30 — Optimisation multi-objectifs : quiz et perspectives
  
• 15h — Conclusion et discussions
  

Lien pour l'inscription

Inscription