Séminaire: Optimisation de boîtes noires - Seminar: Black box optimization

Actions et panneau des détails

Fin des ventes

Informations sur l'événement

Partager cet événement

Date et heure

Endroit

Endroit

Événement en ligne

Description de l'événement
Apprenez-en plus sur l'optimisation sans dérivées et NOMAD / Learn more about derivative-free optimization and NOMAD

À propos de cet événement

English follows

L’optimisation mathématique est un outil précieux puisqu’elle permet de maximiser ou minimiser les quantités que l’on veut, en fonctions des variables, des paramètres, et des contraintes d’un problème donné. L’ingrédient principal des algorithmes d’optimisation est le gradient. Or, il se trouve que dans les applications réalistes du génie et de diverses applications mathématiques telles que l’optimisation des hyperparamètres en apprentissage automatique, le gradient n’existe pas ou ne peut pas se calculer. C’est entre autres dans ces conditions qu'on doit considérer l’optimisation sans dérivées.

En d’autres termes et circonstances, ce type d’optimisation peut s’avérer également grandement utile pour optimiser des fonctions requérant des simulations informatiques coûteuses à évaluer et dont les caractéristiques ne sont pas connues ou exploitables.

Voici quelques autres exemples d’applications potentielles (crédit: Juliane Mueller):

  • Optimisation de la redondance de la fiabilité - maximiser la fiabilité du système
  • Modèle climatique global - calibrer les paramètres liés au modèle au méthane
  • Conception de voilure - maximiser la portance et minimiser la traînée simultanément
  • Gestion des bassins versants - retrait des terres agricoles pour réduire le ruissellement du pH
  • Réglage du générateur d'événements physiques - faire correspondre les simulations avec les observations
  • Efficacité des moteurs - concevoir de meilleurs moteurs et de meilleurs carburants
  • Énergies renouvelables - optimiser l'énergie produite par les cerfs-volants, l'hydroélectricité
  • Ordonnancement - comment assembler les produits en ligne le plus efficacement possible
  • Et bien d'autres encore....

Ce séminaire introduira les bases de l’optimisation, puis décrira comment l’optimisation sans dérivées fonctionne sans le gradient via un algorithme dit de "recherche directe" appelé MADS, qu'on utilise via le logiciel gratuit NOMAD.

Des algorithmes et des outils logiciels seront présentés, puis des exemples d’applications chez Hydro-Québec où l’optimisation sans dérivées a été l’option gagnante seront discutés.

Langue: diapositives en anglais, présentation en français.

Agenda:

13:00-13:45

Présentation de Sébastien Le Digabel - Membre, GERAD, Professeur titulaire, Département de mathématiques et de génie industriel, Polytechnique Montréal, Canada

13:45-14:00

Présentation d’applications développées chez Hydro-Québec par Stéphane Alarie, Membre associé du GERAD - Chercheur, Institut de recherche d'Hydro-Québec, Canada

14:00-14:30

Période de questions et réponses

14:30-14:45

Discussion relative au possible déploiement d’un projet consortium

-------------------------------------------------------------------------------

About this event

Mathematical optimization is a valuable tool since it allows to maximize or minimize the quantities we want, depending on the variables, parameters, and constraints of a given problem. The main ingredient of optimization algorithms is the gradient. However, in realistic engineering and various mathematical applications such as hyperparameter optimization in machine learning, the gradient does not exist or cannot be computed. It is under these conditions, among others, that optimization without derivatives must be considered.

In other words and circumstances, this type of optimization can also be very useful for optimizing functions that require computer simulations that are expensive to evaluate and whose characteristics are not known or exploitable.

Here are some other examples of potential applications (credit: Juliane Mueller):

  • Reliability Redundancy Optimization - maximizing system reliability
  • Global climate model - calibrating methane model parameters
  • Sail design - maximizing lift and minimizing drag simultaneously
  • Watershed management - agricultural land set-aside to reduce pH
  • Setting the physical event generator - matching simulations with observations
  • Engine efficiency - designing better engines and fuels
  • Renewable energy - optimizing the energy produced by kites, hydroelectricity, etc.
  • Scheduling - how to assemble products online in the most efficient way possible
  • And many more...

This seminar will introduce the basics of optimization and then describe how derivative-free optimization works without the gradient via a so-called "direct search" algorithm called MADS, which is used via the free NOMAD software.

Algorithms and software tools will be presented, then examples of applications at Hydro-Québec where derivative-free optimization was the winning option will be discussed.

Language: slides in English, presentation in French.

Agenda:

13:00-13:45

Presentation by Sébastien Le Digabel - Member, GERAD, Full Professor, Department of Mathematics and Industrial Engineering, Polytechnique Montréal, Canada

13:45-14:00

Presentation of applications developed at Hydro-Québec by Stéphane Alarie, Associate Member of GERAD - Researcher, Institut de recherche d'Hydro-Québec, Canada

14:00-14:30

Question and answer period

14:30-14:45

Discussion on the possible deployment of a consortium project

Date et heure

Endroit

Événement en ligne

Organisateur IVADO

Organisateur de Séminaire: Optimisation de boîtes noires - Seminar: Black box optimization

Sauvegarder cet événement

Événement sauvegardé