Département de mathématiques et de génie industriel
Recherche opérationnelle et science de la gestion Optimisation Optimisation et théories de commande optimale
Modélisation et intelligence artificielle
Intérêts de recherche et affiliations
Mes projets portent sur trois domaines :
- Développement des méthodes d'optimisation
- Application à des problèmes d'ingénierie
- Développement de logiciels d'optimisation
Mots clés : Optimisation de boîtes-noires, Méthodes sans dérivées, Applications industrielles, Logiciels d'optimisation.
- 1601 Recherche opérationnelle et science de la gestion
- 2715 Optimisation
- 2956 Optimisation et théories de commande optimale
Publications
Biographie
Sébastien Le Digabel est professeur titulaire au département de mathématiques de Polytechnique Montréal, et membre du laboratoire de recherche GERAD. Il a obtenu son doctorat en mathématiques appliquées à Polytechnique en 2008, puis a effectué des stages postdoctoraux au centre de recherche IBM TJ Watson et à l'Université de Chicago, en 2010 et 2011.
Ses intérêts de recherche sont l'analyse et le développement d'algorithmes pour l'optimisation de boîtes noires, ainsi que la conception de logiciels d'optimisation. L'optimisation de boîtes noires est un domaine de l'optimisation mathématique dans lequel les fonctions à optimiser sont le résultat de simulations numériques pour lesquelles on n'a pas de dérivées. Dans ce contexte, l'optimisation sans-dérivées peut être considérée, et en particulier l'algorithme Mesh Adaptive Direct Search (MADS), développé par Audet et Dennis, et pour lequel la thèse de Le Digabel a apporté des améliorations. Tout cette recherche sur MADS est incluse dans le logiciel NOMAD, disponible à www.gerad.ca/nomad.
La recherche de S. Le Digabel est supportée par le CRSNG, le FRQNT, InnovÉÉ, IVADO, Hydro-Québec, Rio Tinto, et Huawei-Canada.
Encadrement à Polytechnique
TERMINÉ
-
Thèse de doctorat (8)
- Salomon, L. (2022). Contributions to Multiobjective Blackbox Optimization [Thèse de doctorat, Polytechnique Montréal].
- Lakhmiri, D. (2021). Optimisation des hyperparamètres des réseaux de neurones profonds [Thèse de doctorat, Polytechnique Montréal].
- Dzahini, K. J. (2020). Méthodes de recherche directe pour l'optimisation stochastique de boîtes noires [Thèse de doctorat, Polytechnique Montréal].
- Bingane, C. (2019). Application de l'optimisation conique au problème d'écoulement de puissance optimal [Thèse de doctorat, Polytechnique Montréal].
- De Souza Dutra, M. D. (2019). Demand response for smart homes [Thèse de doctorat, Polytechnique Montréal].
- Amaioua, N. (2018). Modèles quadratiques et décomposition parallèle pour l'optimisation sans dérivées [Thèse de doctorat, École Polytechnique de Montréal].
- Rodrigues de Sousa, V. J. (2018). Global Optimization of the Maximum K-Cut Problem [Thèse de doctorat, École Polytechnique de Montréal].
- Peyrega, M. (2016). Optimisation sans dérivées sous contraintes [Thèse de doctorat, École Polytechnique de Montréal].
- Salomon, L. (2022). Contributions to Multiobjective Blackbox Optimization [Thèse de doctorat, Polytechnique Montréal].
-
Mémoire de maîtrise (9)
- Lebeuf, X. (2023). Optimisation de boîtes noires multifidélités avec contraintes hiérarchisées [Mémoire de maîtrise, Polytechnique Montréal].
- Gervais-Dubé, M. (2022). Linear Inequality Constraints in Blackbox Optimization [Mémoire de maîtrise, Polytechnique Montréal].
- Hallé-Hannan, E. (2022). Cadre mathématique pour l'optimisation de boîtes noires avec variables catégorielles et méta [Mémoire de maîtrise, Polytechnique Montréal].
- Lameynardie, G. (2020). Sondes locales intensives lors de l'exécution de l'algorithme MADS dans un environnement parallèle [Mémoire de maîtrise, Polytechnique Montréal].
- Vanden Bulcke, R. (2020). Analyse de sensibilité pour la réduction de dimension en optimisation sans dérivée [Mémoire de maîtrise, Polytechnique Montréal].
- Lemyre Garneau, M. (2015). Modelling of a Solar Thermal Power Plant for Benchmarking Blackbox Optimization Solvers [Mémoire de maîtrise, École Polytechnique de Montréal].
- Ihaddadene, A. (2014). Algorithme de recherche directe pour l'optimisation robuste de fonctions bruitées [Mémoire de maîtrise, École Polytechnique de Montréal].
- Cartier, D. (2012). Optimisation sous contraintes d'un modèle hydrologique pour une représentation de la physique des processus [Mémoire de maîtrise, École Polytechnique de Montréal].
- Duclos, E. (2012). ACRE: un générateur automatique d'aspect pour tester des logiciels écrits en C++ [Mémoire de maîtrise, École Polytechnique de Montréal].
- Lebeuf, X. (2023). Optimisation de boîtes noires multifidélités avec contraintes hiérarchisées [Mémoire de maîtrise, Polytechnique Montréal].