Approches innovantes d'optimisation du cross-docking : Incertitude, durabilité et intégration de l'IA

Innovative Approaches to Cross-Docking Optimization: Uncertainty, Sustainability, and AI Integration

• Auteur / Autrice : Amna Altaf
• Direction : François Delmotte, Christophe Lecoutre
• Type : Projet de thèse
• Discipline(s) : Génie Informatique et Automatique
• Date : Inscription en doctorat le 01/10/2021
• Etablissement(s) : Artois
• Ecole(s) doctorale(s) : Sciences, Technologie, Santé
• Partenaire(s) de recherche : Laboratoire : LGI2A - Laboratoire de Génie Informatique et d'Automatique de l'Artois

Mots clés

Mots clés libres

Learning

Optimization

Constraint programming

Operational Research

Ai

Uncertainty

Résumé

Dans les domaines de l'Intelligence Artificielle et de la Recherche Opérationnelle, il est intéressant de développer des méthodes pour résoudre des problèmes d'optimisation difficiles. Le but principal de cette proposition de thèse est de concevoir de nouvelles approches d'optimisation, inspirées des techniques à la fois en IA et RO, avec comme domaine d'application préféré le cross-docking.

In Artificial Intelligence (AI) and Operations Research (OR), we are interested in developing techniques for solving hard combinatorial (optimization) problems. The main objective of this thesis proposal is to conceive new original approaches for optimization, inspired from both AI and OR methods, with cross-docking as a preferred application domain.