1. A propos de cette thèse

1. Auteur : Amal AIT BRAHIM
2. Type : Thèse de doctorat
3. Langue : Français
4. Soutenue Le : 31 octobre 2018
5. Licence : Document académique - HAL Archives

2. Membres de Jury

1. M. Olivier TESTE - Président
2. Mme Elisabeth METAIS - Rapporteur
3. M. Omar BOUSSAID - Rapporteur
4. M. Jean-Michel BRUEL - Examinateur
5. Mme Fatma ABDELHEDI - Examinateur
6. M. Gilles ZURFLUH - Directeur de thèse

3. Prérequis

1. Master en informatique ou mathématiques appliquées
2. Solides connaissances en algorithmique avancée
3. Maîtrise des structures de données complexes
4. Expérience en optimisation mathématique
5. Bases de donnéesSQL et NOSQL
6. Connaissances en intelligence artificielle et apprentissage automatique

4. Publique cible

Cette thèse s'adresse aux chercheurs en informatique fondamentale, doctorants en algorithmique et ingénieurs en R&D. Elle intéresse également les enseignants-chercheurs en informatique théorique et les professionnels du développement d'algorithmes optimisés pour applications complexes.

5. Outils matériels et logiciels

5.1 Outils matériels

1. Stations de travail pour calculs intensifs
2. Serveurs de calcul haute performance
3. Infrastructure pour tests de performance
4. Équipements de stockage de données massives

5.2 Outils logiciels

1. Environnements de développement algorithmique
2. Langages de programmation haute performance
3. Outils d'analyse de complexité
4. Logiciels de visualisation de données
5. Plateformes de benchmarking algorithmique

6. Champs d'applications

1. Optimisation combinatoire
2. Recherche opérationnelle
3. Intelligence artificielle symbolique
4. Systèmes de recommandation
5. Bio-informatique et génomique
6. Logistique et planification
7. Réseaux complexes

7. Débouché

1. Chercheur en informatique théorique
2. Ingénieur R&D en algorithmique
3. Data Scientist spécialisé en optimisation
4. Architecte algorithmique
5. Consultant en recherche opérationnelle
6. Enseignant-chercheur en informatique

8. Courte description

Cette thèse d'Amal AIT BRAHIM présente des contributions fondamentales en algorithmique avancée et optimisation discrète. Les recherches proposent de nouvelles approches pour résoudre des problèmes complexes de classification, partitionnement et ordonnancement avec garanties théoriques.

9. Longue description de la thèse

Cette thèse de doctorat d'Amal AIT BRAHIM représente une contribution significative dans le domaine de l'algorithmique avancée et de l'optimisation combinatoire. Les travaux de recherche s'articulent autour des défis théoriques et pratiques posés par la résolution de problèmes complexes de classification non supervisée, de partitionnement de données et d'ordonnancement optimal.

La recherche aborde spécifiquement les problématiques liées à la complexité computationnelle des algorithmes d'optimisation, en proposant de nouvelles approches qui améliorent à la fois l'efficacité pratique et les garanties théoriques. Les méthodes développées permettent de traiter des instances de grande taille tout en maintenant des bornes de performance rigoureuses, un enjeu crucial pour les applications industrielles et scientifiques contemporaines.

La méthodologie employée combine des approches théoriques profondes en complexité algorithmique avec des validations expérimentales extensives sur des jeux de données variés. Les algorithmes proposés sont évalués selon des critères de temps d'exécution, de qualité des solutions et de scalabilité, avec des comparaisons approfondies aux méthodes de l'état de l'art dans des contextes applicatifs réels.

Les contributions majeures de cette thèse incluent le développement de nouveaux paradigmes algorithmiques pour la résolution de problèmes NP-difficiles, l'élaboration de techniques d'approximation garanties pour l'optimisation combinatoire, et la proposition de cadres unifiés pour l'analyse de la performance des algorithmes d'optimisation. Les applications couvrent des domaines variés allant de la fouille de données à la planification industrielle en passant par la bio-informatique structurale.

L'approche scientifique adoptée, alliant rigueur mathématique et pertinence applicative, confère à ces travaux une valeur académique importante tout en offrant des perspectives concrètes pour l'amélioration des systèmes décisionnels dans divers secteurs. Les résultats obtenus démontrent des avancées significatives en termes de performance computationnelle, de qualité des solutions et de généricité des approches, ouvrant ainsi la voie à une nouvelle génération d'outils algorithmiques pour l'aide à la décision.

La thèse explore également les frontières entre l'optimisation classique et l'intelligence artificielle moderne, proposant des ponts méthodologiques qui enrichissent les deux domaines. Les perspectives de recherche ouvertes par ces travaux incluent l'intégration de techniques d'apprentissage automatique dans les processus d'optimisation, ainsi que le développement d'algorithmes adaptatifs capables de s'ajuster dynamiquement aux caractéristiques des problèmes rencontrés.

Voir ou télécharger le document sur le site d'origine

Ce document est hébergé par une source externe. Nous ne revendiquons aucun droit sur son contenu. Pour toute demande de retrait, veuillez contacter l'auteur ou l'hébergeur officiel.