Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique.

Missions :
Le candidat retenu sera amené à mener des travaux de recherche et satisfaire les objectifs identifiés dans le cadre du projet source du financement.
Le candidat retenu devra interagir et collaborer avec les membres de l'équipe ainsi que les autres partenaires, impliqués dans le projet.
Le candidat retenu devra produire des délivrables et rapports de suivi dans le cadre de la gestion du projet et publier les résultats des travaux de recherche dans des conférences et revues du domaine.
Activités :
Face à un problème d'optimisation, nous manquons souvent de temps, de connaissances ou de ressources pour développer une approche dédiée. Dans ce cas, il est judicieux de recourir à des algorithmes d'optimisation boîte noire, conçus pour fournir des solutions de haute qualité sans ajustements manuels ni expertise du problème. Grâce à leur simplicité d'utilisation, les algorithmes d'optimisation boîte noire comptent parmi les techniques d'optimisation les plus répandues, déployés quotidiennement pour résoudre de nombreux problèmes dans un large éventail de secteurs industriels et de disciplines académiques.
Il existe une multitude de stratégies d'optimisation boîte noire, qui se complètent par leurs forces et leurs faiblesses, selon les types de problèmes et les étapes du processus d'optimisation. Si cette complémentarité est largement reconnue, nous manquons d'approches efficaces pour l'exploiter, ce qui conduit à des solutions sous-optimales et à une utilisation inefficace de nos ressources limitées.

Avec le projet dynaBBO, nous cherchons à combler cette lacune importante. En nous appuyant sur une approche hybride combinant les connaissances sur les algorithmes d'optimisation boîte noire et les techniques d'apprentissage automatique automatisé, nous obtenons un système performant, capable de basculer dynamiquement entre différents algorithmes d'optimisation boîte noire, à la volée.
Les trois principales questions de recherche qui guident notre projet sont : quel algorithme choisir pour la phase initiale ? Quand passer d'un algorithme à l'autre ? Comment démarrer "à chaud" le solveur sélectionné afin qu'il puisse poursuivre la recherche de solutions de haute qualité le plus efficacement possible ? La principale nouveauté de notre approche réside dans (1) une modélisation révisée des algorithmes, mieux adaptée au contrôle de leur comportement ; (2) la possibilité de basculer entre des algorithmes de types fondamentalement différents ; et (3) un choix adaptatif du ou des moments de basculement.
Comme nous l'avons démontré dans une série de travaux récents [GECCO 2019, GECCO 2022, FOGA 2023, GECCO 2025], les benchmarks guidés par des garanties formellement demontrées peuvent soutenir le développement de politiques de contrôle dynamique automatisées en fournissant des benchmarks avec des policies optimales connus. Cependant, la variété d'exemples pour lesquels des politiques de contrôle rigour
Voir plus sur le site emploi.cnrs.fr...

Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Competences :
Le candidat doit être à l'aise avec les algorithmes d’optimisation type boite noir ainsi que avec les approches d’apprentissage automatique automatisé.
Contraintes et risques :
non pertinent